[发明专利]一种环境自适应感知无线通信信道估计与信号重构方法

权利要求书

1.基于机器学习诱导最优恢复度量的环境自适应感知无线通信信道估计与信号重构方法，其特征在于包括以下步骤：

1)利用基站存储设备，保存时空临近的导频信号、信道状态信息和最优恢复度量信息；

2)接收端接收发射端发送的导频信号后，结合基站存储信息，利用机器学习方法实现环境自适应感知的信道状态估计和最优恢复度量估计，步骤如下：

a)当新用户发送服务要求后，基站接收端接收用户发送的导频信号X¹，Y¹，并同时根据用户的时间、位置信息，调取该用户时空临近的相关已储存的导频信号X⁰和Y⁰；信道状态信息H⁰和最优恢复度量信息α⁰；记Y＝{Y⁰，Y¹}，X＝{X⁰，X¹}；预设恢复度量基为：令p₁＝1/2，p₂＝1，p₃＝2，并令t＝1，

X是N_t×S矩阵，N_t为发射端天线数，S为所用导频信号总数；

Y是N_r×S矩阵，N_r为接收端天线数；

X¹是N_t×S¹矩阵，S¹为当前用户发射导频信号数；

Y¹是N_r×S¹矩阵；

X⁰是N_t×S⁰矩阵，S⁰为当前接收端储存导频信号数；

Y⁰是N_r×S⁰矩阵；

H⁰是N_r×N_t信道状态信息矩阵；

α⁰是K×1向量，表示最优恢复度量信息，K表示恢复度量基个数；

B_i表示矩阵B的第i列，b_i表示向量b的第i个分量；

b)根据机器学习极大熵原理，以前步最优恢复度量参数α^t-1为初值，确定当前最优恢复度量为：

其中是下述标准极大熵优化模型的解：

min_αg^(t)(α) (2)

这里

c)利用当前最优恢复度量，以H^t-1为初值，通过迭代求解下述模型

来获得更新的信道估计H^t，其中由(1)式给出；

d)令t：＝t+1，重新进入b)步，迭代直至收敛以产生最优信道估计H^*，迭代收敛规则为相邻两步更新差异||H^t-1-H^t||₂小于预设阈值，所述阈值的设定是根据现实应用中的不同通信场景和系统对延时的要求，在满足估计精度和系统延时要求之间达到最优平衡；

e)获得最优信道估计H^*后，最优恢复度量取为

3)利用信道状态信息及最优恢复度量实现抗干扰、去噪声的传输信号重构，从而提高信息传送准确度。

2.根据权利要求1所述的基于机器学习诱导最优恢复度量的环境自适应感知无线通信信道估计与信号重构方法，其特征在于：

所述步骤1)中基站利用自身存储设备保存其服务区内一定时间的导频信号、信道状态信息和最优恢复度量信息，基站将根据其服务区的通信场景，将其服务区作为一个整体储存服务区内一定时间的导频信号、信道状态信息和最优恢复度量信息，或根据服务区内场景将其服务区分为若干子服务区分别储存服务区内一定时间的导频信号、信道状态信息和最优恢复度量信息。

3.根据权利要求1所述的基于机器学习诱导最优恢复度量的环境自适应感知无线通信信道估计与信号重构方法，其特征在于：

所述步骤3)包括：

a)利用自适应获得的最优信道估计H^*和最优恢复度量在接收端通过求解如下优化问题实现Y对发射信号X的重构：

b)在基站中保存相关信息，以备新用户通信使用；

所保存的信息包括：通信位置所用的最优信道估计H^*和最优恢复度量参数α^*，实现时空相关邻域的最优信道估计和最优恢复度量参数的更新；保存本次部分或全部导频信息，用于之后用户机器学习数据拓展。