移动场景下的智能信道预测方法

作     者：何世文 黄凤青 安振宇 王良鹏 熊绍文 HE Shiwen;HUANG Fengqing;AN Zhenyu;WANG Liangpeng;XIONG Shaowen

作者机构：中南大学计算机学院湖南长沙410083 东南大学移动通信国家重点实验室江苏南京210096 网络通信与安全紫金山实验室江苏南京210096 

出 版 物：《信号处理》 (Journal of Signal Processing)

年 卷 期：2022年第38卷第8期

页      面：1579-1591页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 

基　　金：国家自然科学基金资助项目(62171474,61720106003) 东南大学移动通信国家重点实验室开放研究基金资助课题(2022D03) OPPO广东移动通信有限公司研究基金项目(CN05202112160224) 

主　　题：信道预测 移动方向预测 信道重构 卷积神经网络 

摘      要：针对无线通信信道估计老化问题,本文提出了一种基于卷积神经网络的信道预测方法,该方法通过联合轨迹预测和信道重构实现。首先,采用卷积神经网络学习从规划路线和移动终端所在位置到移动方向映射,进而预测出轨迹上多个目标位置;其次,采用卷积神经网络学习从目标位置附近K个位置项的信道,到目标位置信道间映射,用于实现预测轨迹的信道估计。本文利用Wireless InSite为移动方向预测和信道重构模型的训练及测试生成充足的样本,包括规划路线和通过射线跟踪方法获取的信道等。仿真结果表明,本文所提出的方法能有效地估计目标位置的信道特性,与K值较小的K-近邻插值方法和基于全连接神经网络的信道预测方法相比,其信道估计总相对误差更低且鲁棒性较好。