买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京航空航天大学;上海机动车检测认证技术研究中心有限公司

摘要：本发明公开了一种联邦迁移学习的RIS辅助通信信道估计方法，对于一个可重构智能超表面辅助的通信网络的间接链路，实现了基于联邦学习的用户端训练以及相似场景间迁移学习加速的信道估计算法，算法包括五个部分：本发明的有益效果为：（1）使用基于联邦学习的用户端训练方法，数据无需集中上传服务器，实现对于用户的隐私保护。并且在用户端直接训练，无需将所有数据广播到中心节点，而只需要传递权重参数矩阵，将通信网络的数据传输开销大大减小。（2）迁移学习加速联邦学习算法的收敛过程。相对于基准算法，性能大大提升。

主权项：1.一种联邦迁移学习的RIS辅助通信信道估计方法，其特征在于，包括以下步骤：步骤1，针对若干个基站、RIS和用户设备，定义基站配备有个天线，RIS具有个元素，基站到RIS的信道为，从RIS到用户设备的信道为，则获得的信道估计数据集为： ； ； ；其中，为RIS的相移矩阵，表示元素对角化操作；表示基站b为用户设备k形成的发射波束成形矢量；为用户设备k处的噪声矢量；是导频信号；表示取出对角元素；，表示基站b与用户设备k之间的级联信道，在信道估计过程中，RIS的相移矩阵和基站的波束成形向量以及导频都是预先确定的，将与合并为整体数据集，其中，表示由第个基站服务的第个用户设备的训练数据集的大小；步骤2，将用户设备随机划分出两个用户群，分别为用户群1和用户群2，对于用户群1，自行选取中心节点与其下属子节点UEs，子节点记作集合，为用户群1中下属子节点UEs的数量，步骤3、在用户群初始化均已完成后，对于子节点UEs各自展开局部梯度计算，从整体数据集中按照子节点的编号找到子节点对应数据集，将子节点训练数据集投入深度神经网络单独训练，经过神经网络拟合得出无线通信信道信息，训练采用梯度下降法，梯度表达式如下所示： ；其中，表示子节点m在联邦学习第t次迭代过程中产生的局部权重参数，表示第t次迭代时的全局模型权重参数，是子节点的数据量，是拟合信道信息与实际信道信息间均方误差函数的梯度函数；训练直至拟合信道信息与实际信道信息的均方误差达到收敛，得到子节点的信道信息；步骤4、将子节点的局部梯度通过无线信道传送至中心节点，中心节点通过以下公式计算得到全局权重参数，实现模型聚合： ；其中，表示全局权重参数，表示第t次迭代时用户群1的子节点集合，是子节点的数据量，全局权重参数进一步表示为： ；其中，表示第m个子节点的数据量，表示所有子节点数据量之和，将全局模型基于聚合而来的权重矩阵进行初始化，从整体数据集中按照中心节点的全局编号找到中心节点对应数据集投入中心节点的训练数据集，通过神经网络训练迭代直至收敛，得到中心节点的信道信息；步骤5、在用户群1模型误差达到收敛之后，将训练获得的最终权重矩阵通过双方已知的无线信道传输给用户群2，对用户群2按照步骤1-4进行重复训练，但是，用户群2在步骤3中，采用用户群1收敛后的权重矩阵进行初始化，从而实现对于用户群1训练过程的继承，在用户群1已有的基础上训练，降低训练的开销，用户群2将步骤4的参数更新为： ；其中，表示子节点距中心节点的距离，表示预先定义的参考距离规范化量，利用该参数的更新过程，实现用户群1向用户群2的权重参数传递更新，获得用户群2中心节点与子节点的信道信息；进而获得全体用户的信道估计误差收敛的计算模型，步骤6、利用计算模型估计RIS辅助系统用户间的间接链路信道状态，实现对于RIS辅助系统用户间的信号传输所处环境的感知。

全文数据：

权利要求：

百度查询： 南京航空航天大学 上海机动车检测认证技术研究中心有限公司 一种联邦迁移学习的RIS辅助通信信道估计方法