[发明专利]一种基于深度学习调控扇区的导频污染消除方法

说明书

本发明提供一种基于深度学习调控扇区的导频污染消除方法，包括如下步骤：S1.5G大数据传输场景中在小区内划分扇区；S2.小区内扇区数目K通过深度学习在不同扇区下系统的有效和速率与信道状态信息的最小均方误差MMSE的比值来控制；S3.同一个扇区内的用户使用相互正交的导频序列，不同扇区之间的用户导频序列复用；S4.设置扇区之间的用户波达方向角不混叠，通过贝叶斯估计，并利用每个扇区空域信息的差异消除导频污染。本发明通过深度学习在不同扇区下系统的有效和速率与信道状态信息的最小均方误差MMSE的比值来控制小区内划分扇区的数目，使得导频序列的长度可以极大的缩短，通过贝叶斯估计消除导频污染。

技术领域

本发明属于通信技术领域，具体涉及一种基于深度学习调控扇区的导频污染消除方法。

背景技术

随着科技发展，大数据、云计算等技术悄然无声的改变着人们的日常生活，这些技术的关键点是要求是传输数据量大，速度快。科技未来发展方向是宽带移动化、移动宽带化，即电脑与移动终端结合，无线传输是未来科技的主流。为了实现宽带移动化，能够快速传输大量数据“高速率、高容量、实现高效率传输”成为第五代移动通信系统(5G)的主要目标。研究表明导频污染问题是限制5G系统性能的主要瓶颈，因此，如何有效的减轻或者消除导频污染成为重中之重，具有重要的工程价值和理论意义。

目前针对减轻或者消除导频污染的研究已取得许多成果，其中导频分配方案在实际通信系统中因其具有可操作性成为当下的主流方案。其思想是重新设计帧结构，使导频在帧结构中存在一定的偏移，相邻小区的导频在不同的时隙传输，从而减轻导频污染。但是在导频分配方案中，由于导频复用小区内的服务用户较多，小区内使用正交导频进行信道估计时，会造成频谱资源的浪费，虽然减轻或者消除导频污染，但是降低了频谱的利用率。

此为现有技术的不足，因此，针对现有技术中的上述缺陷，提供一种基于深度学习调控扇区的导频污染消除方法，是非常有必要的。

发明内容

本发明的目的在于，针对上述现有的消除导频污染的方法会造成频谱资源的浪费，降低频谱的利用率缺陷，提供一种基于深度学习调控扇区的导频污染消除方法，以解决上述技术问题。

为实现上述目的，本发明给出以下技术方案：

一种基于深度学习调控扇区的导频污染消除方法，包括如下步骤：

S1.5G大数据传输场景中在小区内划分扇区；

S2.小区内扇区数目K通过深度学习在不同扇区下系统的有效和速率与信道状态信息的最小均方误差MMSE的比值来控制；

S3.同一个扇区内的用户使用相互正交的导频序列，不同扇区之间的用户导频序列复用；

S4.设置扇区之间的用户波达方向角不混叠，通过贝叶斯估计，并利用每个扇区空域信息的差异消除导频污染。

进一步地，步骤S2的具体步骤如下：

S21.定义估计信道的均方误差为：

这里h_k和是第k个扇区内的期望信道和其各自估计值，只考虑期望信道的估计误差；

S22.定义有效带宽为则每个小区的有效和速率是：

其中SINR_k是第k个扇区的信干噪比。

进一步地，步骤S3中导频序列的长度大于等于小区内扇区数目。

进一步地，步骤S1中5G大数据传输场景中，小区基站通过波束赋形技术在小区内划分扇区。

进一步地，步骤S3具体步骤如下：