[发明专利]一种面向北斗与5G融合的毫米波低时延波束赋形方法

权利要求书

1.一种面向北斗与5G融合的毫米波低时延波束赋形方法，其特征在于，包括步骤：

S1.接收北斗卫星获取的高速移动的终端用户的运动轨迹，根据获取的运动轨迹确认终端用户的位置信息，并根据确定的位置信息计算终端用户的速度信息；

S2.利用神经网络的滤波器预测终端用户的位置信息以及速度信息，并根据预测得到的位置信息以及速度信息与步骤S1确定的位置信息和速度信息估计神经网络的误差，得到误差函数；

S3.根据得到的误差函数对神经网络预测模型进行优化，得到优化后的位置预测模型；

S4.通过优化后的位置预测模型预测当前终端用户的速度信息、位置信息，并根据预测得到的速度信息、位置信息对当前终端进行波束匹配；

S5.对波束匹配的波束进行波束赋形训练，根据波束宽度、预测的位置信息与基站的夹角，计算不同波束覆盖范围对应的终端用户的运动速度；

S6.将计算得到的运动速度进行量化，将量化后得到的运动速度对应到相应速度范围内，得到所有不同波束的对准波束概率；

S7.根据不同对准波束概率，对对准波束概率由高到低的优先级进行波束匹配；

S8.判断对准波束概率是否大于设定阈值，若否，则预测误差过大，预测过程失败或LOS路径不可用，重复执行步骤S6-S8；若是，则毫米波链路建立成功，进行波束数据传输。

2.根据权利要求1所述的一种面向北斗与5G融合的毫米波低时延波束赋形方法，其特征在于，所述步骤S1具体为：

设获取的运动轨迹序列表示为：J＝{d₁，...，d_t}，其中，d表示位置信息；d_t表示t时刻的位置信息；则位置信息d与速度v状态变量表示为：

y(t)＝Hx(t)+v(t)

其中，H为变换矩阵；v(t)表示噪声。

3.根据权利要求2所述的一种面向北斗与5G融合的毫米波低时延波束赋形方法，其特征在于，所述步骤S2中误差函数，表示为：

其中，表示误差函数；Δt表示经过的时间；表示第k阶状态变量；T表示一共T个时刻；R表示噪声的方差；表示k阶测量输出向量；y_k+1表示k+1阶测量输出向量；

其中，Pi表示u(t)出现在h(t)第i个分量h_i(t)微分中的最低阶数；表示标量函数关于向量场的一阶导数；表示标量函数。

4.根据权利要求3所述的一种面向北斗与5G融合的毫米波低时延波束赋形方法，其特征在于，所述步骤S2中神经网络预测模型的滤波器的性能指标函数表示为：

其中，L(u(t))表示滤波器的性能指标函数；表示观测估计。

5.根据权利要求1所述的一种面向北斗与5G融合的毫米波低时延波束赋形方法，其特征在于，所述步骤S3具体为：

S31.设定神经网络各层权值和阈值的初始值为小的随机数，赋值误差函数e，计算隐含层神经元输出以及输出层神经元的净输出

S32.假设y(t+1)＝y_d，根据误差函数，得到神经元的期望输出值y(t+1)与输出层神经元的净输出并计算得到神经网络的误差估计

S33.根据误差估计和当前隐含层的神经元输出得到下个时刻隐含层的神经元输出

S34.由隐含层神经元输出的更新值逆向推出隐含层的权值w_j，完成权值更新；

S35.对步骤S31-S34进行隐含层权值迭代更新，直到神经网络输出的均方误差满足给定的精度，神经网络训练结束，得到优化后的位置预测模型。