[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

说明书

本发明涉及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算法，包括：利用基站存储设备，保存时空临近的导频信号、信道状态信息和恢复度量信息；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信道状态及确定最优恢复度量；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。本发明基于利用通信基站储存的有效信息和机器学习原理，快速有效地学习、估计并排除复杂噪声对无线通信系统的影响，进而在相同或更短的时间内通过自适应方式实现对无线通信信道的稳健估计和信号重构。

技术领域

本发明涉及通信领域和机器学习领域，具体涉及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。

背景技术

准确的传输信息一直是无线通信所追求的首要目标，在复杂的干扰和噪声环境中，如何更好地消除通信中的干扰和噪声影响，实现更加准确的通信是一个亟待解决的关键问题。近年来，机器学习相关理论，特别是机器学习技术的发展和成熟，使得创新应用机器学习理论相关方法解决复杂干扰和噪声背景下的无线通信系统信息准确传输问题成为可能。

将机器学习相关理论和无线通信系统有机结合起来，形成更加有效、智能和适应复杂环境的无线通信系统是未来通信系统发展的必然趋势。对于无线系统中不可避免的噪声问题，目前应用的无线通信理论绝大部分都是建立在理想化的白噪声基础上，然而这种假设在现实的通信环境中几乎不可能存在。这就造成了以白噪声假设为前提的大部分算法在现实中无法应用，例如信号源检测算法AIC和MDL，其在真实通信环境中差错率极高以致无法应用。又例如，目前在接收端应用最小二乘来实现对发射信号的重构。在白噪声假设下，最小二乘是最优算法，但是有色噪声下，最小二乘法得到的却是非最优解。对于通信系统中的同频干扰问题，目前只能通过复杂的编码或者简单的提高发射功率来减少干扰对系统的影响。然而，通过利用机器学习的相关方法和理论，却可以极好的排除干扰和噪声的影响，进而准确对通信信道状态信息进行描述，提高通信系统的智能化和性能。

另外，无线通信系统中的基站每天要处理大量的信息，但是目前却没有充分地加以利用，使大量有价值的信息浪费流失。如何更好地利用基站的信息，挖掘基站的潜力，是未来通信领域中关注的另一个焦点。

发明内容

本发明的目的在于提供一种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。既利用基站获取的用户定位信息和储存的通信环境信息，减少基于机器学习的面向无线通信系统信道及通信环境自适应估计算法对于通信系统的时延影响，进而在相同或更短的时间内实现对无线通信信道的稳健、准确估计。

为达到上述目的，本发明采用的技术方案是：

本发明的核心要素包括：将基站作为无线通信网络物理层的存储与处理节点，利用其存储的通信环境和导频信息，辅助自适应信道状态估计及其确定最优恢复度量，进而利用最优恢复度量重构信号。具体步骤包括：

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；

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。

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。

所述步骤2)包括以下子步骤：