1.基于残差神经网络的混合波束赋形矩阵优化方法,其特征是,包括如下步骤:
1)建立混合波束赋形系统模型,确定其优化条件;
2)将信道输入混合波束赋形系统模型,根据优化条件得到混合波束赋形矩阵;
3)创建残差神经网络,以信道及其对应的混合波束赋形矩阵作为样本,构造样本集,训练残差神经网络,得到多任务卷积残差神经网络;
4)根据新的输入信号估计出信道矩阵,将信道输入多任务卷积残差神经网络,得到混合波束赋形矩阵。
2.根据权利要求1所述的基于残差神经网络的混合波束赋形矩阵优化方法,其特征是,所述步骤1)中所述混合波束赋形系统模型为:K为接收端用户数量, Hk、 Xk、nk分别为第k个用户的接收端数字波束赋形矩阵、接收端模拟波束赋形矩阵、信道矩阵、发送端模拟波束赋形矩阵、发送端数字波束赋形矩阵、输入信号和服从正态分布的噪声向量;
以使系统的信噪比最大来实现混合波束赋形系统模型最优化,具体描述为:其中,ηk表示用户k的优先级,γk为用户k的信噪比,具体表示为:
3.根据权利要求1所述的基于残差神经网络的混合波束赋形矩阵优化方法,其特征是,步骤3)的具体步骤包括:
31)创建卷积残差神经网络,网络模型包括权重参数、偏差参数、Batch归一化的学习参数、网络层数、每层网络的神经元数、训练样本、训练周期,以及一些超参:学习率、正则化参数、Adam算法里的相关系数;
32)在共享多层神经网络后,产生四个分支各自进行相应的网络层建立;
33)初始化相关参数,输入训练样本集,得到对应的网络输出
34)各分支进行损失函数的创建,最后将损失函数联合作为最终的代价函数,以此反向传播得到最优的网络参数。