【技術實現步驟摘要】
本專利技術涉及無線通信，具體涉及一種基于改進的生成對抗網絡的單比特mimo信道估計方法。
技術介紹
1、在5g和6g無線通信中，mimo系統發揮著至關重要的作用。通過在基站部署天線陣列，可以顯著地提升多用戶間的頻譜復用能力，并極大地提高數據傳輸速率。然而，配備高分辨率模數轉換器(adc)的mimo系統具有硬件復雜性高、能量消耗高的缺點。相比而言，配備單比特模數轉換器的mimo系統(簡稱為單比特mimo系統)具有硬件復雜度低、能量消耗低的優點。
2、信道估計是重要的無線通信技術之一，常用于估計無線信道的特性，如衰落、多徑效應、噪聲等。這些特性會導致無線電信號發生衰減和失真，進而影響通信質量。只有準確地估計信道特性，才能夠更好地實現信道補償。因此，信道估計是保障無線通信質量的重要手段。但是，在單比特mimo系統中，單比特模數轉換器會引入較大的量化誤差，進而嚴重損害信道估計的準確性。
3、人工智能理論蓬勃發展，為利用深度學習解決信道估計問題提供了新的思路。深度神經網絡可以從信號中提取更豐富的特征，有利于準確地刻畫復雜、動態和非線性的信道特性，因此有助于提升信道估計方法的性能。
技術實現思路
1、本專利技術提出一種基于改進的生成對抗網絡的單比特mimo信道估計方法，涉及無線通信
具體步驟包括：首先，計算信道矢量，組成信道矩陣，計算量化信號矩陣，制作數據集，并將其劃分為訓練集和測試集；然后，設計一種改進的生成對抗網絡，該生成對抗網絡的生成器涉及一種改進的u型網
2、本專利技術的方案具體如下：
3、a：計算信道矢量，組成信道矩陣，計算量化信號矩陣，制作數據集，并將其劃分為訓練集和測試集；
4、a1：計算信道矢量，
5、a2：組成信道矩陣，
6、a3：計算量化信號矩陣，
7、a4：制作數據集，并將其劃分為訓練集和測試集；
8、b：設計一種改進的生成對抗網絡，該生成對抗網絡的生成器涉及一種改進的u型網絡，該生成對抗網絡的判別器為一種改進的卷積神經網絡；
9、b1：設計一種改進的生成對抗網絡，
10、b2：該生成對抗網絡的生成器涉及一種改進的u型網絡，
11、b3：該生成對抗網絡的判別器為一種改進的卷積神經網絡；
12、c：設計一種改進的組合損失函數，并以該改進的組合損失函數作為目標函數分別對改進的生成對抗網絡中的生成器和判別器進行參數優化；
13、c1：設計一種改進的組合損失函數；
14、c2：以該改進的組合損失函數作為目標函數分別對改進的生成對抗網絡中的生成器和判別器進行參數優化；
15、d：分別用訓練集和測試集對改進的生成對抗網絡進行訓練和測試，并對本專利技術所提出的信道估計方法的性能進行評價；
16、d1：用訓練集對改進的生成對抗網絡進行訓練，
17、d2：用測試集對改進的生成對抗網絡進行測試，并對本專利技術所提出的信道估計方法的性能進行評價。
18、本專利技術所提出的方法帶來的有益效果至少包括：
19、(1)一種基于改進的生成對抗網絡的單比特mimo信道估計方法，本專利技術利用改進的生成對抗網絡學習從量化信號矩陣y到信道矩陣h的映射。在該生成對抗網絡的生成器所包含的編碼器中，設計池化融合模塊(pooling?fusion?module)，實現了對局部信息的提取及對噪聲的抑制；在該生成對抗網絡的生成器所包含的解碼器中，設計壓縮激勵與深度可分離卷積模塊(squeeze-and-excitation?and?depth-wise?separable?convolution，se-dsc?module)，實現了對通道信息和空間信息的提取；在該生成對抗網絡的判別器中，設計金字塔膨脹卷積模塊(pyramid?dilated?convolution?module)，實現了對不同空間分辨率信息的提取。
20、(2)一種基于改進的生成對抗網絡的單比特mimo信道估計方法，本專利技術設計一種改進的組合損失函數，該改進的組合損失函數由生成對抗網絡的損失和huber損失組成。其中，生成對抗網絡的損失根據不同任務和數據集提供自適應損失；huber損失根據閾值選擇相應范數，既能夠獲取像素細節，也能夠實現像素間平滑過渡。該改進的組合損失函數有助于生成器和判別器實現納什均衡。
21、(3)一種基于改進的生成對抗網絡的單比特mimo信道估計方法，本專利技術所提出的改進的生成對抗網絡與現有網絡結構相比，具有更好的信道估計性能。
本文檔來自技高網...【技術保護點】
1.一種基于改進的生成對抗網絡的單比特MIMO信道估計方法，其特征在于包括以下步驟：
【技術特征摘要】
1.一種基于改進的生成對抗網絡的單比特mi...
【專利技術屬性】
技術研發人員：欒聲揚，彭永琪，湯凱旋，周嘉晨，尚睿，許朋，
申請(專利權)人：江蘇師范大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。