欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022113276298
申请人: 南通大学
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于Transformer的联合导频设计、反馈和信道估计方法,由离线训练阶段和在线预测阶段两部分实现;其特征在于,离线训练阶段包括如下步骤:S11:在基站端构建导频设计网络,用于基站到用户的下行链路中下行导频的设计;

S12:在用户端构建导频反馈网络,用于将接收到的导频信号进行压缩,并通过反馈链路反馈回基站端;

S13:在基站端构建信道估计网络,利用接收到的压缩导频信号来重建信道;

S14:将所述导频设计网络、导频反馈网络和信道估计网络组合为端到端神经网络,制作端到端神经网络的数据集,对所述端到端神经网络进行训练;

在线预测阶段包括如下步骤:

S21:基站端将训练完成的导频设计网络的权重作为导频信号,将导频信号发送至用户端;

S22:用户端接收到导频信号后,将导频信号输入导频反馈网络,得到压缩的导频信号,并将压缩的导频信号通过反馈链路反馈回基站端;

S23:基站端将接收到的压缩的导频信号输入信道估计网络,得到基站端到用户端的下行实时估计信道。

2.根据权利要求1所述的一种基于Transformer的联合导频设计、反馈和信道估计方法,其特征在于,所述步骤S11中,导频设计网络由全连接层#1和Add操作构成,其中全连接层#1维度为L,无偏置,Add操作将全连接层#1的输出信号与加性高斯白噪声 相加,K为子载波数目,L为导频信号长度。

3.根据权利要求1所述的一种基于Transformer的联合导频设计、反馈和信道估计方法,其特征在于,所述步骤S12中,导频反馈网络由Flatten层和全连接层#2构成,其中Flatten层将维度为2×K×L的三维矩阵变换为维度为2KL×1的向量,全连接层#2的维度设置为M,其中M为码字压缩长度。

4.根据权利要求1所述的一种基于Transformer的联合导频设计、反馈和信道估计方法,其特征在于,所述步骤S13中,信道估计网络依次由全连接层#3、Reshape#1、Encoder和Reshape#2构成,其中全连接层#3的维度为2KNt,无偏置;Reshape#1将维度为2KNt×1的向量变换为维度为2K×Nt的矩阵;Encoder由输入嵌入、位置编码、前馈网络、残差连接和层归一化、多头注意力机制组成,其中输入嵌入的维度为Nt,前馈网络的维度为2048,多头注意力机制中多头数为4;Reshape#2将维度为2K×Nt的向量变换成维度为2×K×Nt的矩阵,K为子载波数目,Nt为基站天线数。

5.根据权利要求1所述的一种基于Transformer的联合导频设计、反馈和信道估计方法,其特征在于,所述步骤S14中,端到端神经网络的数据集为{G,G},其中为信道矩阵, 表示对信道矩阵H取实部,表示对信道矩阵H取虚部,K为子载波数目,Nt为基站天线数。

6.根据权利要求1所述的一种基于Transformer的联合导频设计、反馈和信道估计方法,其特征在于,所述步骤S14中,训练端到端神经网络时,损失函数设置为均方误差优化器为Adam,batchsize设置为400,学习率为0.00001,epoch设置为1000,其中 为端到端神经网络训练过程中的数据集的

标签, 为端到端神经网络训练过程中模型的输出数据, 为信道矩

阵, 表示对信道矩阵H取实部, 表示对信道矩阵H取虚部,K为子载波数目,Nt为基站天线数,N为训练样本个数。

7.根据权利要求1所述的一种基于Transformer的联合导频设计、反馈和信道估计方法,其特征在于,所述步骤S14中,训练端到端神经网络时,开始训练时,将loss_best设置为

100,每一轮训练完成后,将验证集输入训练完成的端到端神经网络,得到当前轮验证集的loss,若loss小于loss_best,则将loss赋值给loss_best,且保存本轮训练的模型权重作为最佳权重,继续下一轮训练;若loss大于loss_best,则直接进行下一轮训练。

8.根据权利要求1所述的一种基于Transformer的联合导频设计、反馈和信道估计方法,其特征在于,所述步骤S23中,基站端将接收到的压缩的导频信号输入信道估计网络,得到网络的输出 将V在第一个维度拆分成两个矩阵 其中K为子载波数目,Nt为基站天线数,计算 即可得到下行实时估计信道