[发明专利]基于YOLO目标检测的FD-MIMO下行多用户分簇方法

说明书

本发明公开了一种基于YOLO目标检测的FD‑MIMO下行多用户分簇方法，该方法利用FD‑MIMO下行传输的统计信道信息构造用户分布矩阵，基于该分布矩阵生成反映用户位置的RBG图像，目标检测YOLO网络以用户位置图像为输入，输出检测到的所有用户簇的边界信息，将检测到的边界转化为用户分布矩阵下标，对所有用户进行快速分簇；本发明给出的基于YOLO目标检测的多用户分簇方法所需信道反馈量小，检测速度快，能有效提高用户分簇效果，并改善系统和速率性能。

技术领域

本发明涉及一种基于YOLO目标检测的FD-MIMO下行多用户分簇方法，属于基站配置均匀平面天线阵的多用户FD-MIMO下行系统自适应用户分簇领域。

背景技术

大规模多输入多输出(FD-MIMO)技术被视为一项可用于满足无线通信更高速率和更低时延要求的先进的物理层技术。FD-MIMO系统在基站侧配备呈二维排列的大量天线阵列来增加系统容量，同时尽可能降低系统复杂度和功率开销。为进一步发掘FD-MIMO的通信潜力，一种包括用户分簇、用户调度和两层预编码的联合空分复用(JSDM)方案被提出，将待服务用户按照一定标准预分为若干组近似正交的用户簇，在各组内进行用户调度。两层预编码包括用于消除组间干扰的组间预编码，以及用于消除用户间干扰的组内预编码。由于用户调度在各组内进行，因而高效的用户分簇算法对于FD-MIMO系统的性能有较大影响。

然而，在实际应用中，目前现存的用户分簇算法主要用瞬时信道信息来度量用户相似度，并采用K聚类算法对不同相似度的用户进行分簇。K聚类算法迭代计算用户相似度并将它们分类，耗时较大且算法复杂度高，且以瞬时信道信息计算用户相似度会在多用户FD-MIMO系统中引入极高的信道反馈量，降低通信有效性。此外，现存用户分簇算法主要针对所有用户到达角(AoA)均匀分布的场景，对于用户成簇分布的情况，目前没有较好的用户分簇算法。

现有针对低时延FD-MIMO下行多用户分簇算法的研究主要基于对矩阵求逆运算的简化或使对K聚类的迭代过程优化。虽然应用这些方法之后所需时间有一定下降，但牺牲了一定的系统性能，且仍需较大的信道反馈量，对于用户数和天线数都很大的实际FD-MIMO下行传输系统来说，更优的用户分簇算法仍需研究。

发明内容

技术问题：为了克服现有技术中存在的不足，本发明为基站配置均匀平面天线阵，利用基于深度学习的目标检测YOLO网络模型和少量统计信道信息进行多用户FD-MIMO下行系统的用户分簇设计，基于深度残差神经网络强大的解决非线性优化问题的能力和较低的实现复杂度，利用统计信道信息作为用户相似度的衡量标准，将用户簇作为待检测物体，训练一个用户分簇检测YOLO网络，能以较低的计算耗时获取较准确的用户分簇情况，以改善JSDM方案的用户和速率性能。

技术方案：根据本发明提出的基于YOLO目标检测的FD-MIMO下行多用户分簇方法，包括以下步骤：

步骤一、基站采用N_H×N_V的均匀平面天线阵列，天线阵在水平方向上共N_H列，垂直方向上每列N_V个阵元，相邻天线阵元间距d在水平和垂直方向上均为载波波长λ的一半，共有K个配备单根接收天线的成簇分布用户，用户簇数量为C，各簇之间互不重叠，每簇N_c个用户，获取U组上述用户分布，利用各组用户分布的统计信道信息计算各组用户分布的用户位置矩阵Γ_i，i＝1，…，U；

所述统计信道信息包括：第i组用户分布中用户k的信道水平相关阵垂直相关阵其中矩阵H_k，i为基站与第i组用户分布中用户k之间的信道矩阵，其第n_H行n_V列的元素为基站第n_H行第n_V列的天线阵元与该用户之间的信道系数，(·)^H表示共轭转置，(·)^T表示转置，表示求均值。

所述基站计算第i组用户分布的用户位置矩阵Γ_i按如下步骤进行：