[发明专利]基于深度复数网络的固定子阵空基毫米波波束成形方法

说明书

本发明公开了一种基于深度复数网络的固定子阵空基毫米波波束成形方法，通过固定子阵结构简化射频预编码矩阵和射频合并矩阵，相比于现有其他技术，大幅减少了移相器的需求，降低了硬件依赖，同时也降低了故障率；通过构建一种将复数的实部、虚部分别输入，而又与下层神经元全连接的神经网络，相较于传统需要将实部和虚部分开两个网络处理的方法，节省了计算资源；进而通过权值和偏置参数共享式虚部神经元和实部神经元节点表达式的设计，减少了一半的网络参数，大幅度降低了系统复杂度，节省了硬件资源，同时增快了运算速率，提高了实时性。

技术领域

本发明属于空基毫米波通信波控领域，具体涉及一种基于深度复数网络的固定子阵空基毫米波波束成形方法。

背景技术

毫米波通信具有带宽大、波束窄、全天候工作等优点，已广泛用于地面通信领域。目前通常采用大规模MIMO、混合波束成形等技术，来克服毫米波通信传输距离短、路径损耗高、射频器件造价高等缺点，提升通信容量和质量。

随着地面毫米波通信技术的日益成熟，空基毫米波通信技术的研究也成为了学术界和工程界的热点。与地基系统不同的是，空基毫米波通信是基于飞行器对飞行器，或者飞行器对地面的场景，通过研究高效的波束成形等抗干扰技术，降低飞行器高速运动对通信性能带来的影响，并在高性能和低功耗之间寻求平衡。

当前针对空基平台毫米波通信雷达波束成形的研究较少，且主要针对空基平台波束成形算法性能开展，没有对运算量的规模进行优化。由于空基平台要求在较短的时间内对通信目标进行波束对准，运算量较大的算法并不一定能够适用，另外全连接阵较复杂的连接性也对硬件提出了较高要求，同样动态子阵对于转换开关的额外要求降低了系统的可靠性，我们希望寻求较为简单的硬件结构，并配合高效的算法提升高速运动空基平台波束成形的性能。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于深度复数网络的固定子阵空基毫米波波束成形方法，在保障实时性的情况下，对深度神经网络的运算量规模进行优化，解决了空基毫米波的波束成形算法对硬件资源要求过大，且实时性低的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种基于深度复数网络的固定子阵空基毫米波波束成形方法，包括以下步骤：

S1、根据空基毫米波通信系统的窄带快衰落传输特性，建立空基毫米波MIMO信道固定子阵波束模型，将复杂的多天线毫米波信号传输抽象为与发送端天线阵列传输码流向量S、接收端处理后的接收信号窄带信道矩阵H、数字预编码矩阵射频预编码矩阵数字合并矩阵射频合并矩阵平均接收功率ρ，以及噪声向量相关n的矩阵函数关系；

S2、设置9层复数神经网络；

S3、根据已知完整信道状态信息，得到包括发送端天线阵列传输码流向量S、接收端处理后的接收信号窄带信道矩阵H、平均接收功率ρ和噪声向量相关n在内的训练集数据，通过反向传播梯度下降算法，对9层复数神经网络进行机器学习，得到训练完成的神经网络；

S4、根据窄带信道矩阵H和发射端天线导向向量A_t，通过训练完成的神经网络，得到数字预编码矩阵和射频预编码矩阵

S5、通过数字信号处理器，根据数字预编码矩阵对发送端天线阵列传输码流向量S进行数字预编码，得到数字预编码信号流S_BB；

S6、通过移相器，根据射频预编码矩阵对数字预编码信号流S_BB进行射频预编码，得到毫米波波束X；

S7、根据窄带信道矩阵H和接收端天线导向向量A_r，通过训练完成的神经网络，得到数字合并矩阵和射频合并矩阵

S8、通过移相器，根据射频合并矩阵对毫米波接收信号Y进行射频接收处理，得到接收信号流Y_BB，所述毫米波接收信号Y为毫米波波束X在传输过程中受到信道干扰和噪声之后的传递到接收端天线的信号；