基于迁移生成对抗网络的毫米波和太赫兹信道建模方法

1.本发明涉及的是一种无线通信领域的技术，具体是一种基于迁移生成对抗网络的毫米波和太赫兹信道建模方法。


背景技术：

2.现有随机信道建模方法在假设的某些分布和经验参数下存在精度低的问题。例如，基于几何位置的随机信道模型假设散射的位置遵循某些统计分布，例如发射器和接收器在一个圆内均匀分布，然而，散射的位置很难通过某些统计分布来表征，使得基于几何位置的随机信道模型在毫米波和太赫兹波段的使用不精确。此外，为毫米波和太赫兹信道建模获取广泛的信道测量既耗时又昂贵，因此缺乏大量的测量数据。
3.现有基于生成对抗网络的高频信道建模技术一般通过生成对抗网络来改进原有信道建模，该技术需要大量数据进行有监督学习，无法在小样本场景下实现。


技术实现要素：

4.本发明针对现有技术存在的上述不足，提出一种基于迁移生成对抗网络的毫米波和太赫兹信道建模方法，将迁移学习应用于基于生成对抗网络的信道建模，使用少量的毫米波和太赫兹信道测量数据集就可以得到大量迁移生成对抗网络的毫米波和太赫兹信道数据，可以用于辅助通信系统的设计。迁移生成对抗网络产生的功率延迟分布与测量结果吻合较好，与传统的第三代移动通信合作计划中的标准信道模型相比，迁移生成对抗网络在信道建模方面取得了良好的性能，其均方根误差提高了9db，结构相似性指数度量也更高，解决了测量数据稀少的问题并在实际测量的信道中得到了验证。
5.本发明是通过以下技术方案实现的：
6.本发明涉及一种基于迁移生成对抗网络的毫米波和太赫兹信道建模方法，通过在离线阶段构建生成对抗网络模型并采用模拟数据集进行预训练，再对预训练后的对抗网络模型进行迁移学习和微调，得到迁移对抗网络模型的毫米波和太赫兹信道；在在线阶段可以生成大量与测量数据相吻合的信道数据，从而解决了毫米波和太赫兹缺乏测量数据的问题，有助于毫米波和太赫兹通信系统的设计。
7.所述的模拟数据集，由第三代移动通信合作计划的标准信道模型生成。
8.所述的预训练是指：使用模拟数据集对生成对抗网络进行训练。
9.所述的迁移学习是指：将从模拟数据集学习到的知识，迁移到测量数据集上。
10.所述的微调是指：使用测量数据集，重新训练已经在模拟数据集上训练过的生成对抗模型。技术效果
11.本发明使用迁移学习，将从模拟数据集上学到的知识，迁移到测量数据集上，基于此得到的迁移生成对抗网络，可以生成与测量数据高度吻合的信道数据，极大地扩充了测量数据集。与现有技术相比，本发明极大地扩充测量数据集，从而解决了毫米波和太赫兹数
据量稀少的问题，有助于毫米波和太赫兹通信系统的设计。
附图说明
12.图1为本发明生成对抗网络示意图；
13.图2为迁移学习的示意图；
14.图3为信道数据的测量场景；
15.图4为平均功率延迟分布；
16.图5为生成的功率延迟分布和真实测量数据的相似度度量(ssim)示意图。
具体实施方式
17.如图1所示，为本实施例涉及一种基于迁移生成对抗网络的毫米波和太赫兹信道的建模方法，包括：
18.步骤1、根据第三代移动通信合作计划的标准信道模型生成模拟数据集，该模拟数据集的参数来自于测量数据、参数包括时延扩展、角度域、路径损失参数。
19.本实施例中生成的模拟数据集包含10000个信道数据，每个信道数据为401维的功率延迟分布，对应着400ns接收时间内的功率。
20.步骤2、采用步骤1生成的模拟数据集训练如图1所示的生成对抗网络。
21.所述的生成对抗网络包括：生成器g和判别器d，其中：生成器g根据100维的随机噪声，将随机噪声映射为模拟功率延迟分布；判别器d根据真实的功率延迟分布或来自生成器的模拟功率延迟分布，得到输入数据是否真实的判断。
22.所述的生成器g和判别器d均由五层全连接层组成，神经元的数目分别为128，128，128，128，401和512，256，128，64，1。
23.所述的训练，生成器和判别器每轮交替共训练10000轮，损失函数为其中：e为数据期望，x为输入的真实数据，g(z)为生成的虚假数据，为在x和g(z)之间随机线性取样得到的点，即λ为可调的控制梯度损失的参数。
24.步骤3、如图2所示，将训练好的生成对抗网络，在测量数据上重新训练，得到迁移生成对抗网络t-gan，从而在在线阶段生成与测量数据相吻合的信道数据。
25.经过具体实际实验，在0.3thz的通信频率下，在办公室走廊的室内场景，31m通信距离内分布有21个毫米波和太赫兹信道测量点，利用这21个信道测量点，可以利用迁移生成对抗网络对信道进行建模，可以生成大量与测量数据相吻合的信道功率延迟分布数据。
26.与现有技术相比，本方法能够在测量数据缺少的情况下，进行毫米波和太赫兹频段的信道建模。在0.3thz的通信频率下，在办公室走廊的室内场景，31m通信距离内分布有21个毫米波和太赫兹信道测量点，利用这21个信道测量点，可以利用迁移生成对抗网络对信道进行建模。实验结果表明，迁移生成对抗网络产生的功率延迟分布与测量结果吻合较好，与传统的第三代移动通信合作计划中的标准信道模型相比，迁移生成对抗网络在信道建模方面取得了良好的性能，如图4和图5所示，其均方根误差提高了9db，结构相似性指数度量也更高。
27.上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。


技术特征：
1.一种基于迁移生成对抗网络的毫米波和太赫兹信道建模方法，其特征在于，通过在离线阶段构建生成对抗网络模型并采用模拟数据集进行预训练，再对预训练后的对抗网络模型进行迁移学习和微调，得到迁移对抗网络模型的毫米波和太赫兹信道；在在线阶段可以生成大量与测量数据相吻合的信道数据。2.根据权利要求1所述的基于迁移生成对抗网络的毫米波和太赫兹信道建模方法，其特征是，所述的模拟数据集，由第三代移动通信合作计划的标准信道模型生成；所述的预训练是指：使用模拟数据集对生成对抗网络进行训练。3.根据权利要求1所述的基于迁移生成对抗网络的毫米波和太赫兹信道建模方法，其特征是，所述的迁移学习是指：将从模拟数据集学习到的知识，迁移到测量数据集上。4.根据权利要求1所述的基于迁移生成对抗网络的毫米波和太赫兹信道建模方法，其特征是，所述的微调是指：使用测量数据集，重新训练已经在模拟数据集上训练过的生成对抗模型。5.根据权利要求1所述的基于迁移生成对抗网络的毫米波和太赫兹信道建模方法，其特征是，所述的模拟数据集的参数来自于测量数据、参数包括、时延扩展、角度域、路径损失参数，该模拟数据集包含10000个信道数据，每个信道数据为401维的功率延迟分布，对应着400ns接收时间内的功率。6.根据权利要求1所述的基于迁移生成对抗网络的毫米波和太赫兹信道建模方法，其特征是，所述的生成对抗网络包括：生成器g和判别器d，其中：生成器g根据100维的随机噪声，将随机噪声映射为模拟功率延迟分布；判别器d根据真实的功率延迟分布或来自生成器的模拟功率延迟分布，得到输入数据是否真实的判断。7.根据权利要求6所述的基于迁移生成对抗网络的毫米波和太赫兹信道建模方法，其特征是，所述的生成器g和判别器d均由五层全连接层组成，神经元的数目分别为128，128，128，128，401和512，256，128，64，1。8.根据权利要求6所述的基于迁移生成对抗网络的毫米波和太赫兹信道建模方法，其特征是，所述的训练，生成器和判别器每轮交替共训练10000轮，损失函数为其中：e为数据期望，x为输入的真实数据，g(z)为生成的虚假数据，为在x和g(z)之间随机线性取样得到的点，即λ为可调的控制梯度损失的参数。

技术总结
一种基于迁移生成对抗网络的毫米波和太赫兹信道建模方法，通过在离线阶段构建生成对抗网络模型并采用模拟数据集进行预训练，再对预训练后的生成对抗网络模型进行迁移学习和微调，得到迁移对抗网络模型的毫米波和太赫兹信道；在在线阶段可以生成大量与测量数据相吻合的信道数据，从而解决了毫米波和太赫兹缺乏测量数据的问题，有助于毫米波和太赫兹通信系统的设计。与传统的第三代移动通信合作计划中的标准信道模型相比，本发明在信道建模方面取得了良好的性能，其均方根误差提高了9dB，结构相似性指数度量也更高，解决了测量数据稀少的问题并在实际测量的信道中得到了验证。问题并在实际测量的信道中得到了验证。问题并在实际测量的信道中得到了验证。


技术研发人员：韩充 胡正东 李元博
受保护的技术使用者：上海交通大学
技术研发日：2023.04.04
技术公布日：2023/7/7