[发明专利]一种基于机器学习的空间调制天线选择方法

摘要

本发明属于通信抗干扰技术领域，具体的说是涉及一种基于机器学习的空间调制天线选择方法。本发明主要利用机器学习的方法，首先产生信道样本进行训练，训练好之后，每当信道矩阵发生变化时，只需利用信道矩阵找到对应的分类即可，无需繁琐的计算，从而大幅度降低了复杂度。此外，在学习模型训练好之后，只要信道的随机分布不发生改变，便无需进行新的训练。本发明的有益效果为，本发明提出的基于机器学习的天线选择算法，因为无需重复繁琐的计算，大幅度降低了计算复杂度。

主权项

1.一种基于机器学习的空间调制天线选择方法，设定空间调制系统中有N_t根发送天线，N_r根接收天线，并从N_t根发送天线中选取N_s根天线进行发送，定义为被选中天线索引向量的集合，其中是第n种天线组合的被选中天线索引构成的向量，NS为所有可能的天线组合数，即其特征在于，所述方法包括以下步骤：a、构造训练集合：a1、设有M个Nr×Nt维的信道矩阵作为训练样本，具体包括：a11、从信道矩阵Hm生成实值特征向量dm；a12、重复步骤a11，直至为所有的Hm(m＝1,2,...,M)生成特征向量；a13、生成训练数据矩阵a14、归一化矩阵D，并生成归一化特征矩阵T，其中T里面元素为：ti,j＝(di,j‑Ei{di,j})/(maxi{di,j}‑mini{di,j})  (1)a2、采用关键KPI来决定为样本贴上何种标签，所述关键KPI为频谱效率、能量效率、BER和接收信号能量中的一种，具体为：a21、对于第m个样本Hm，计算每一种组合sn对应的KPI；a23、找出能使KPI最好的天线组合以及其对应的标签l^*，令l^*作为标签向量的第m个元素c_m；a24、重复上述步骤，直至得到所有样本Hm(m＝1,2,...,M)的对应标签；b、按如下过程利用特征矩阵T和标签向量c建立学习系统：b1、建立多级KNN分类器：从训练样本集合{tr[m]}中，找出离新的观测样本tr最近的k个样本，然后基于多数票决，为tr贴上标签l*；b2、建立多级SVM分类器，即SVM采用一对其它的二元分类策略，主要过程如下：b21、假设T_l时标签为l的样本特征向量作为行向量所构成的子训练数据矩阵；对于所有的得到一个子训练数据矩阵集合{T_l}；然后运行SVM来对两个训练群T_l和分类；b22、生成二元标签向量bl＝[bl[1],...,bl[M]]T，当cm＝l时，bl[m]＝1，否则bl[m]＝0；b23、用两个训练群和相应的二元标签向量b_l，根据如下公式来解决二选一的逻辑回归问题：其中，C是惩罚因子，是代价函数，是学习参数向量，是高斯径向基核函数向量，其第q个元素fq(tr[m])＝exp(‑||tr[q]‑tr[m]||2/(2σ2))给出了tr[q]和tr[m]间的相似度；b24、重复步骤b23，直至遍历完所有建立SVM分类器；c、基于SVM分类器，在得到所有的θl后，利用公式(2)建立一个天线选择系统，在输入一个新的信道矩阵后，输入分类器即可预知其所属类别的标签，即选出的天线组合索引，完成天线选择。