[发明专利]一种基于电力巡检通信系统的混合预编码方法

说明书

本发明涉及一种基于电力巡检通信系统的混合预编码方法，电力巡检通信系统采用窄带毫米波大规模多输入多输出系统，电力巡检通信系统包括位于无人机的发射端和无线网络的接收端，发射端设有混合预编码器，接收端设有波束合并器，模拟预编码器均设有射频链和均匀平面天线阵列，射频链与均匀平面天线阵列的天线部分连接，且连接处的移相器采用一位移相器，对应的移相器的量化精度为1比特。与现有技术相比，本发明具有降低功耗、提高无人机通信的能效、降低优化迭代算法的复杂度等优点。

技术领域

本发明涉及电力巡检技术领域，尤其是涉及一种基于电力巡检通信系统的混合预编码方法。

背景技术

目前无人机通信场景下已经提出了一些针对能效优化的混合预编码方法，以降低功率消耗。有的研究UAV协助的大规模MIMO混合预编码方案，在满足用户速率需求的同时提出轨迹优化和功率分配方法，虽然实现较高能量效率但计算过于复杂；现有技术中提出针对UAV下行通信链路的基于透镜天线阵列的混合预编码架构，利用交叉熵优化求解最优预编码矩阵，获得了较高的能量效率，但需要在模拟域部署自适应选择网络，实现复杂度较高；也有现有技术将无人机发送端和接收端联合预编码设计的多元联合优化问题分解为对子问题的优化求解，可实现较高的能量效率和频谱效率，但由于计算复杂度太高，难以实现；同时有研究提出基于最大化SLNR准则的预编码技术虽然能够在性能和复杂度之间取得较好地折衷，但对信道要求较高，需要准确掌握信道状态信息才能完成。

现有无人机通信场景下混合预编码方案大多采用贪婪算法作为优化解决方案，缺点是计算复杂度高，同时基于高精度移相器的全连接架构，如此的硬件体系架构必然存在高耗能问题，难以直接应用到电力线巡检无人机通信场景中。

发明内容

本发明的目的就是为了克服上述现有技术存在能量消耗高、复杂度高的缺陷而提供一种基于电力巡检通信系统的混合预编码方法。

本发明的目的可以通过以下技术方案来实现：

一种基于电力巡检通信系统的混合预编码方法，所述电力巡检通信系统采用窄带毫米波大规模多输入多输出系统，所述电力巡检通信系统包括位于无人机的发射端和无线网络的接收端，所述发射端设有混合预编码器，所述接收端设有波束合并器，所述模拟预编码器均设有射频链和均匀平面天线阵列，所述射频链与均匀平面天线阵列的天线部分连接，且连接处的移相器采用一位移相器，对应的移相器的量化精度为1比特，功耗为5mW。

所述无人机具体为5G巡检无人机。

所述发射端的移相器和均匀平面天线阵列组成模拟预编码器，所述接收端的移相器和均匀平面天线阵列组成模拟合并器。

进一步地，所述发射端的射频链一端与模拟预编码器部分连接，另一端连接到基带预编码器。

进一步地，所述接收端的射频链一端与模拟合并器部分连接，另一端连接到基带合并器。

所述模拟预编码器和模拟合并器通过信道矩阵进行数据传输，所述混合预编码方法采用卷积神经网络框架对模拟预编码器和模拟合并器进行优化，提供从信道矩阵到波束合并器之间的非线性映射。

进一步地，所述卷积神经网络框架的输入为所述信道矩阵，输出为模拟预编码器和模拟合并器的权重。

进一步地，所述卷积神经网络框架的输入包括三个通道，所述三个通道分别对应信道矩阵逐元素模值、信道矩阵元素的实部和虚部。

所述卷积神经网络框架包括两个卷积神经网络，每个所述卷积神经网络的层数均为10层。

进一步地，所述卷积神经网络的第一层为输入层，第二层和第四层为卷积层，第三层和第五层为归一化层，归一化层在卷积层之后，对卷积层输出的数据进行归一化并提供更好的收敛性，第六层和第八层是完全连接层，第七层和第九层是丢失层，第十层为输出层。