[发明专利]一种基于降维复卷积网络的6G无线信道特性提取方法

权利要求书

1.一种基于降维复卷积网络的6G无线信道特性提取方法，其特征在于，包括如下步骤：

S1、构建真实通信环境的孪生场景，获取多种典型场景下的无线信道仿真数据；

S2、根据仿真多径参数及分簇处理后结果计算相关统计量，建立典型场景无线信道仿真数据库；

S3、从所述仿真数据库中选取训练数据，输入训练数据，使用去噪栈式自编码器对6G大维数据进行特征降维，并抽取编码器特征参数；

S4、将编码器特征参数输入构建的X-CNN进行训练，实现信道特性提取，并使用测试数据集进行网络性能验证；

S5、开展不同场景下的信道测量，处理实测数据，并对网络进行增量学习。

2.根据权利要求1所述的一种基于降维复卷积网络的6G无线信道特性提取方法，其特征在于，S1的具体步骤包括：

S101、根据实际6G无线通信环境，使用Wireless Insite RT仿真软件，采用三维模型构建典型室内办公、走廊、室内到室外、室外城市微小区场景下的几何环境；

S102、设置收发端位置，以及阵列规模、中心频率和带宽，使用反向射线追踪电波传播预测，从接收源出发建立虚拟源点树，树的每个子节点代表一个虚拟源点，建立虚拟源的可见面表和可见劈表，并基于可见面劈表搜索三维射线传播路径；

S103、提取所有路径的相关参数，包括每条路径的复幅度、时延、水平/俯仰离开/到达角，以及均方根时延扩展和角度扩展，从而获取真实场景的孪生数据。

3.根据权利要求1所述的一种基于降维复卷积网络的6G无线信道特性提取方法，其特征在于，S2的具体步骤包括：

S201、所述统计量包括接收功率，以及多径和簇间的均方根时延扩展、三维水平/俯仰到达角/离开角扩展，其中多径均方根时延/角度扩展由RT仿真软件中直接获取；

以下给出相应统计量的计算方法：收发端分别配置N_R和N_T根天线，h_qp(t,τ)表示第q根接收天线第p根发送天线在时刻t时延τ的信道冲激响应，p＝1,…,N_T，q＝1,…,N_R，则来自第p根发送天线、到达第q根接收天线的信号功率大小计算如下：

其中L为多径数目，β_l为第l条路径的复幅度；到达接收端且由于路程不同导致的RMSDS计算如下：

其中τ_l为第l条路径的时延，μ_τ为时延均值；对于多径RMS，记为σ_τ,L，对于簇间时延扩展，记为σ_τ,C；RMS角度扩展计算如下：

其中μ_θ为角度均值；θ_l为第l条路径的角度，用于计算多径的AAS、EAS、ADS、EDS，分别记为以及簇间的AAS、EAS、ADS、EDS，分别记为及

S202、对于簇间统计量，使用Mini Batch k-means聚类算法进行分簇；

S203、根据分簇结果，得到簇间时延扩展σ_τ,C和角度扩展及

S204、整理RT仿真数据与相关统计量，建立仿真数据库。

4.根据权利要求3所述的一种基于降维复卷积网络的6G无线信道特性提取方法，其特征在于，步骤S202具体包括：

(1)随机选取部分路径的参数集，使用k-power-means算法进行小批量分簇，迭代更新计算欧式距离，获得初始质心；

(2)随机选取其他部分路径的参数集，通过计算与质心的欧氏距离，分配给最近的质心；

(3)根据现有的参数集更新质心；

更新(2)和(3)直至质心变化小于设定的阈值或最大迭代次数。