[发明专利]一种基于机器学习的MIMO链路自适应传输方法

摘要

本发明公开了一种基于机器学习的MIMO链路自适应传输方法，使用非监督学习自编码算法进行特征的提取与降维，引入深度学习的思想，能够在保留主要信息状态信息的前提下降低特征维度与计算复杂度。本发明利用逻辑回归算法构建信道状态信息与传输参数间的映射关系，不同于以往固定的参数化模型，能够基于样本数据进行训练，在数据集质量较优，覆盖所有状态的情况下，能够更好的建立信道状态信息与传输参数间的映射关系，并相较于传统的单一等效信噪比，能够更充分的利用信道状态信息。此外，本发明还基于信道矩阵进行CQI选择，通过信道矩阵和噪声方差研究基于机器学习的MIMO链路自适应方法不受接收机设计的约束，具有普适性。

主权项

1.一种基于机器学习的MIMO链路自适应传输方法，其特征在于：包括以下步骤：S1：利用机器学习非监督学习算法对信道状态信息进行特征提取；S2：将非监督学习算法结构中间层的输出数据作为分类器的输入，调制编码方式类别作为分类器输出，基于训练数据集对分类器训练，构建特征向量到调制编码方式类别的映射关系，即进行信道质量指示的选择；S3：采用神经网络构建秩指示分类器，每一可选的秩指示对应一个分类器，可选的秩指示的数量为NS，将训练数据训练过的分类器通过校验数据集进行分类性能评价，选择分类性能最优的分类器；根据信道矩阵和噪声方差，在满足误码字率限制的情况下，选择能够实现最高速率的调制编码方式组合；S4：将NS组层数与相匹配的调制编码组合通过比较器，选择MIMO系统最高频谱效率的层数与调制编码方式，如果有两组或多组组合实现同样速率，则选择层数较少的，并返回适应当前信道条件的信道质量指示和秩指示。