公开(公告)号：CN110557177A

公开(公告)日：2019-12-10

申请号：CN201910838213.4

申请日：2019-09-05

Applicant: 重庆邮电大学

Inventor： 景小荣 ,  孙宗霸

IPC: H04B7/0456

Abstract: 本发明涉及一种毫米波大规模MIMO系统中基于DenseNet的混合预编码方法，属于无线通信技术领域。该方法包括线下训练阶段和线上阶段，其中线下训练阶段：首先，对信道矩阵H进行奇异值分解，得到与H对应的最优无约束混合预编码Fopt；其次，构建DenseNet神经网络，以最小化最优无约束混合预编码Fopt与模拟预编码FRF和数字预编码FBB之积FRFFBB之差的F范数为目标，利用SGD对DenseNet神经网络的参数进行优化，以得到训练好的DenseNet神经网络；线上阶段：利用训练好的DenseNet神经网络，根据不同的信道条件，对应地输出最优的模拟预编码矩阵FRF和数字预编码矩阵FBB。本发明不但能得到较优的频谱效率，而且能显著降低计算复杂度。

公开(公告)号：CN111092641A

公开(公告)日：2020-05-01

申请号：CN201911310836.0

申请日：2019-12-18

Applicant: 重庆邮电大学

Inventor： 景小荣 ,  孙宗霸

IPC: H04B7/0456 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于毫米波MIMO系统深度学习的混合预编码设计方法，属于通信技术领域。首先设计训练样本，在一次信道实现过程中，暂时解耦联合收发机的优化问题，重点研究混合预编码的设计，从码本中选择使得系统频谱效率最大的模拟预编码与数字预编码对作为最优的混合预编码矩阵。本发明将次信道实现作为神经网络的训练样本，每次信道实现得到的模拟预编码与模拟组合器的索引值作为标签，设计神经网络框架并训练，线下对于任何信道实现的输入，输出得到最优的模拟预编码与模拟组合器。本发明利用深度学习方法，突破了传统预编码复杂的联合优化与非凸限制，既能得到较优的频谱效率，又能显著降低其复杂度。

公开(公告)号：CN111092641B

公开(公告)日：2022-02-22

申请号：CN201911310836.0

申请日：2019-12-18

Applicant: 重庆邮电大学

Inventor： 景小荣 ,  孙宗霸

IPC: H04B7/0456 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于毫米波MIMO系统深度学习的混合预编码设计方法，属于通信技术领域。首先设计训练样本，在一次信道实现过程中，暂时解耦联合收发机的优化问题，重点研究混合预编码的设计，从码本中选择使得系统频谱效率最大的模拟预编码与数字预编码对作为最优的混合预编码矩阵。本发明将次信道实现作为神经网络的训练样本，每次信道实现得到的模拟预编码与模拟组合器的索引值作为标签，设计神经网络框架并训练，线下对于任何信道实现的输入，输出得到最优的模拟预编码与模拟组合器。本发明利用深度学习方法，突破了传统预编码复杂的联合优化与非凸限制，既能得到较优的频谱效率，又能显著降低其复杂度。