公开(公告)号：CN110768704A

公开(公告)日：2020-02-07

申请号：CN201911003846.X

申请日：2019-10-22

Applicant: 南京邮电大学

Inventor： 肖强 ,  宋荣方

IPC: H04B7/06 ,  H04B7/08 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于残差神经网络的混合波束赋形矩阵优化方法，该算法主要分为模型建立和神经网络训练两个阶段:模型建立阶段主要是在5G通信系统状态下，所创建的混合波束赋形系统模型。神经网络训练阶段是将所创建的信道矩阵和其相应的混合波束赋形矩阵联合构成残差神经网络的训练验证集，以此训练出相应的残差网络。在此基础上，当通过估计算法得到的信道矩阵输入到训练好的神经网络后，网络将快速计算出所对应的混合波束赋形矩阵参数，从而完成矩阵对应的MIMO天线的调整，最终获得优化过的波束赋形通信系统。该过程所需的时间和复杂度比起其他优化算法来说将有效减少，而结果却很相似。

公开(公告)号：CN110768704B

公开(公告)日：2023-04-07

申请号：CN201911003846.X

申请日：2019-10-22

Applicant: 南京邮电大学

Inventor： 肖强 ,  宋荣方

IPC: H04B7/06 ,  G06N3/08 ,  G06N3/0464 ,  H04B7/08

Abstract: 本发明公开了一种基于残差神经网络的混合波束赋形矩阵优化方法，该算法主要分为模型建立和神经网络训练两个阶段:模型建立阶段主要是在5G通信系统状态下，所创建的混合波束赋形系统模型。神经网络训练阶段是将所创建的信道矩阵和其相应的混合波束赋形矩阵联合构成残差神经网络的训练验证集，以此训练出相应的残差网络。在此基础上，当通过估计算法得到的信道矩阵输入到训练好的神经网络后，网络将快速计算出所对应的混合波束赋形矩阵参数，从而完成矩阵对应的MIMO天线的调整，最终获得优化过的波束赋形通信系统。该过程所需的时间和复杂度比起其他优化算法来说将有效减少，而结果却很相似。