[发明专利]宽带多用户一比特毫米波系统模型辅助学习的解调方法

说明书

本发明公布了一种宽带多用户一比特毫米波系统模型辅助学习的解调方法，包括：设计具有导频部分、训练部分和后缀部分的帧结构；依据毫米波信道模型信息获取模板；利用有标签模板训练支撑向量机实现分类和输入数据模板至分类器实现在线解调。采用本发明提供的技术方案，可创新性地将毫米波系统的特殊模型信道引入到学习解调中，使得系统可以支持串行传输，在获取高能量效率的同时不损失数据率。与单一的学习方式相比，本发明可以有效地降低训练的复杂度并且显著地提升系统的误码性能。

技术领域

本发明属于无线通信技术领域，涉及毫米波系统的解调技术，具体涉及一种适用于宽带多用户一比特毫米波系统的模型辅助学习的解调方法，利用毫米波的模型信息和机器学习方法进行毫米波系统的解调，有效提升一比特毫米波系统的误码性能。

背景技术

近年来，毫米波通信因其丰富的频带资源和巨大的容量优势得到了广泛的关注和研究，被认为是下一代无线通信的重要组成技术。为了克服毫米波的传输路径损耗，毫米波系统通常会配备大规模天线阵列进行波束赋形。但是在毫米波段，数模/模数转换器的功耗大、成本高，因此为每根天线配置高精度的数模/模数转换器会极大增大系统的开销。出于实际应用的考虑，一种称作一比特毫米波系统，亦即是为每根天线配置一比特的数模/模数转换器，因其能在低功耗下实现较高的通信速率，被认为是一种良好的折中方案。

与高精度系统相比，一比特系统由于严重的信号变形导致解码非常困难。在多用户宽带系统下，相应的解码问题面临着更大的挑战。第一，一比特系统带来的非线性噪声使得传统的正交频分复用方式不在适用，无法克服频率选择特性带来的码间串扰。第二，在多用户系统下，除码间串扰外，用户间的同频干扰会进一步加剧解码的复杂度。第三，毫米波大规模阵列下信道维度高，使得计算复杂度高，难以支持线上模式处理。当前，针对于一比特系统的解调主要有两种典型的方式，第一种是通过调整高精度系统下的解调算法，使其尽可能匹配一比特系统；另一种是通过机器学习的技术克服非线性噪声，将解调化归为分类问题进行处理。然而，这两种技术目前都难以直接服务毫米波多用户宽带系统。为了增强一比特毫米波系统的可行性，设计低复杂度且能适用于多用户和宽带信道的解调方式具有重要的意义。

发明内容

为了克服单纯依据模型信息或机器学习进行宽带多用户一比特毫米波系统解调的缺陷，本发明提出了一种联合模型和学习的解调方法，可应用于宽带多用户一比特毫米波系统，该方案被命名为毫米波系统模型辅助学习的解调方法。

本发明的核心是：将一比特毫米波系统的数据解调化归为有监督学习的分类问题，利用毫米波信道在延时域和角域的信息辅助机器学习，实现低导频开销和低计算复杂度的解调方案。具体而言，本方案首先设计了一比特毫米波系统合适的传输帧结构，该结构包括导频部分、数据部分和后缀部分。在训练阶段，系统的各个用户会传送已知的伪随机序列，系统基站依据接收到的数据，结合结合已知的毫米波信道模型在延时域和角域的信息训练分类器；在传输阶段，基站处理接收数据并输入至已训练好的分类器完成解调

为便于说明，本发明定义以下参数：

K为系统发端单天线用户的数量；

N_a为系统收端配置的均匀阵列天线的维数；

a^*为a的共轭转置；

a^T为a的转置；

δ(·)为狄拉克函数

L代表信道的有效路径数目；

d_m代表信道最大的延迟阶数；

d为延时阶数；取值范围为[0,d_m)；

d_l,k为用户k第l条有效路径的延时；

θ_l,k为用户k第l条有效路径的到达角；