基于大数据的信道建模方法

With the popularization of mobile Internet and the permeation between the next generation information technology and the advanced manufacture, the traffic of wireless communication is increasing in an exponential pattern, which requires unprecedented throughput and connection density, and furthermore introduces wireless big-data. This scenario seriously challenges the computation capability and transmission technique in wireless communications. This project aims to discover useful knowledge by mining the wireless big-data, to reduce the uncertainty in the wireless communication, and to increase the spectral and/or energy efficiency of transmissions. Specifically, the following six aspects are to be investigated: (1) rationale of mapping between wireless propagation environment and channel state information; (2) representation and formulation of sophisticate channel environments; (3) modelling and parameter extraction of wireless propagation environment based on machine learning; (4) methodology of building propagation knowledge library and training wireless transmission parameters in known environments; (5) extraction of model parameters in unknown environment via machining learning and information distilling technique; and (6) verification.

随着移动互联网的深入普及和新一代信息技术与先进制造等工业领域间的深度结合、相互渗透，无线通信的业务量以指数方式激增，而如此增长的业务带来了无线通信的吞吐量、连接密度的急剧增长，形成空中接口处的无线大数据，它对通信的计算能力、传输方法提出严峻挑战。本项目的核心思想是从无线大数据中挖掘有效信息，减少无线通信中的不确定性，为形成环境匹配传输与组网方法提供支撑，从而解决空口传输的计算复杂度问题，提高传输的区域频谱效率和能量效率。具体来说，从以下六个方面展开研究：（1）研究无线传播环境与信道状态信息之间映射机理；（2）提出复杂信道环境的表征与模型化方法；（3）提出基于机器学习的无线传播环境建模方法和模型参数提取方法；（4）构造已知传播环境信息的传播环境知识库，训练所提的无线传播环境的模型参数提取方法；（5）利用机器学习和信息抽取技术从无线大数据中提取未知环境的传播环境模型参数信息；（6）进行验证。

以当前的5G通信技术为参考，新一代无线信息网络在频谱效率等多个指标上都提出了更高要求，因此需要更精准的干扰处理技术和与环境更匹配的传输及组网技术。因此，需要研究提出颠覆性的信道建模方法和信道状态信息处理技术，支持5G扩展应用需求和未来6G通信需求。.项目组针对新一代无线信息网络的发展需求，开展了基于大数据和AI的新型信道建模方法研究，突破了基于统计的传统信道建模和信道状态信息处理的局限，使信道模型包含无线传播环境信息，能够反映和利用环境中对传播特性有重要影响的因素，从而提高了无线信道的可预测性，形成了准确定性信道模型。重要成果包括：.1）为了更好地支持B5G/6G无线通信网络的网络布设和优化，提出基于深度学习神经网络的、收发端双移动的大尺度信道模型，在具体环境下的输入发射机、接收机的位置、高度，基于训练的大尺度信道模型即可获得衰落的预测值，误差精度小于5dB。.2）分析了无线传播环境与无线信道参数之间的对应关系，提出了一种新的层析信道模型，将层析信道模型应用于时域、频域、空域，均可得到性能大幅提升的信道预测方法，在时域预测上，预测时间长度较传统方法提高5～10倍。.3）提出一种低复杂度、高效率的三维电磁地图计算法。基于有限的接收信号强度测量，所提方法可以重构“基站-地面”的信道，进而获得所在区域的电磁地图。通过测量与仿真评估，所提方法计算所得的传播环境建筑物高度、位置均接近实际建筑物的参数数值。.4）为实现高可靠性传输，对抗由气象、地形因素造成的大气波导超远距无线信号干扰，项目组发明了基于无线电气象学的电波传播大气波导超远距干扰模型。通过引入地形变换算法和毫米波频段大气吸收因子，基于大数据建立了模型，适用于特殊地形、特定气象条件，使得海陆波导干扰模型支持频段扩大到100GHz。.本项目研究扩展了信道数据的应用范围，从计算信道模型扩展到无线传播环境感知，未来进一步研究可使通信系统具备传播环境智能监测的能力。