公开(公告)号：CN114650086A

公开(公告)日：2022-06-21

申请号：CN202210312919.9

申请日：2022-03-28

Applicant: 东南大学

Inventor： 谢晨洁 ,  尤力 ,  庄佳伟 ,  魏小东 ,  闻劲睿 ,  石雪远

IPC: H04B7/0413 ,  H04B7/06 ,  H04B17/373 ,  H04L25/03 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种深度学习辅助的跨频段通信波束预测方法。该方法中基站侧配备两个共址共面的不同频点天线阵列，构建BP神经网络：基础网络部分由LNN个堆栈组成，各隐藏层包含全连接的Relu激活函数和Dropout层；任务输出部分通过线性分类器将得到的特征向量投射到D维分类空间上，经由Softmax层归纳计算出所有可用类的概率分布。通过最小化交叉熵损失函数训练神经网络并预测高频段波束。最后根据香农信息定理计算并选择使得系统传输和速率最大的波束作为最终结果。本发明借助低频段波束实现高频段最佳波束预测，节省了利用信道状态信息进行估计而带来的计算开销，提高了波束预测效率。

公开(公告)号：CN114650086B

公开(公告)日：2023-04-18

申请号：CN202210312919.9

申请日：2022-03-28

Applicant: 东南大学

Inventor： 谢晨洁 ,  尤力 ,  庄佳伟 ,  魏小东 ,  闻劲睿 ,  石雪远

IPC: H04B7/0413 ,  H04B7/06 ,  H04B17/373 ,  H04L25/03 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提出了一种深度学习辅助的跨频段通信波束预测方法。该方法中基站侧配备两个共址共面的不同频点天线阵列，构建BP神经网络：基础网络部分由LNN个堆栈组成，各隐藏层包含全连接的Relu激活函数和Dropout层；任务输出部分通过线性分类器将得到的特征向量投射到D维分类空间上，经由Softmax层归纳计算出所有可用类的概率分布。通过最小化交叉熵损失函数训练神经网络并预测高频段波束。最后根据香农信息定理计算并选择使得系统传输和速率最大的波束作为最终结果。本发明借助低频段波束实现高频段最佳波束预测，节省了利用信道状态信息进行估计而带来的计算开销，提高了波束预测效率。