一种人工智能辅助的分布式MIMO接收机

摘要

本发明公开了一种人工智能辅助的分布式MIMO接收机，由多个射频处理接入点和一个中心处理单元以及时钟分发网络构成。本发明针对分布式MIMO接收机中射频处理接入点远距离同步问题，建立了时钟分发网络，实现了快速、高精度的频率、时间同步；引入人工智能算法替代传统接收机的信道估计、信道均衡、QAM解映射模块，降低了信道建模的难度，对于具有庞大信息传输网络和数据规模的分布式MIMO系统，有效提升了实时数据处理速度，满足实时性要求，实现多节点数据高效处理，神经网络可针对性训练、可扩展，灵活性和适应性强。

权利要求

1.一种人工智能辅助的分布式MIMO接收机，其特征在于，包括：

若干射频天线，用于接收实际信道环境中的射频信号；

若干基于FPGA芯片的软件无线电模块，用于对射频天线接收到的射频信号依次进行模数转换、下变频、符号定时同步、去除循环前缀CP、OFDM解调得到频域信号Y，并对频域信号Y采用UDP协议打包后传输至多核通用处理器；

高精度时钟源，用于产生10MHz时钟源信号和触发源信号PPS序列；

时钟分发器，用于将高精度时钟源产生的10MHz时钟源信号和触发源信号PPS序列通过光纤网络分发至各时钟分发节点；

若干时钟分发节点，分别将接收到的10MHz时钟源信号和触发源信号PPS序列传输给对应的基于FPGA芯片的软件无线电模块，为各基于FPGA芯片的软件无线电模块提供频率同步和时序同步基准；

多核通用处理器，用于接收各基于FPGA芯片的软件无线电模块传输的UDP数据包，将UDP数据包中提取的频域信号Y输入根据实际信道环境训练出的神经网络得到发射端数据流的估计 并将原始数据流X的估计 传输至计算机；

计算机，用于接收和显示多核通用处理器传输的原始数据流X的估计

2.根据权利要求1所述的一种人工智能辅助的分布式MIMO接收机，其特征在于，所述基于FPGA芯片的软件无线电模块随机分布在小区内。

3.根据权利要求1所述的一种人工智能辅助的分布式MIMO接收机，其特征在于，所述时钟分发节点与基于FPGA芯片的软件无线电模块一一对应配置。

4.根据权利要求1所述的一种人工智能辅助的分布式MIMO接收机，其特征在于，所述频域信号Y采用UDP协议打包后，通过高速以太网接口与光纤网络构成的光纤回传链路传输至多核通用处理器。

5.根据权利要求4所述的一种人工智能辅助的分布式MIMO接收机，其特征在于，所述光纤回传链路由光纤连接10Gb SFP+以太光口构成。

6.根据权利要求1所述的一种人工智能辅助的分布式MIMO接收机，其特征在于，所述多核通用处理器采用的神经网络为数据驱动全连接深度神经网络FC-DNN，其输入为所有若干基于FPGA芯片的软件无线电模块输出的频域信号Y，输出为原始数据流X的估计

7.根据权利要求1所述的一种人工智能辅助的分布式MIMO接收机，其特征在于，所述多核通用处理器采用的神经网络为模型驱动的神经网络ComNet，其输入为所有若干基于FPGA芯片的软件无线电模块输出的频域信号Y，输出为原始数据流X的估计

8.根据权利要求1所述的一种人工智能辅助的分布式MIMO接收机，其特征在于，所述多核通用处理器采用的神经网络为自适应于信道环境的切换神经网络，其输入为所有若干基于FPGA芯片的软件无线电模块输出的频域信号Y，输出为原始数据流X的估计

9.根据权利要求1所述的一种人工智能辅助的分布式MIMO接收机，其特征在于，所述射频天线所接收的实际信道环境中的射频信号是原始数据流X依次经QAM映射、插入导频和同步信号、OFDM调制、插入循环前缀CP、上变频、同相正交IQ双路调制和数模转换变换处理后得到的。

说明书

一种人工智能辅助的分布式MIMO接收机

技术领域

[0001] 本发明涉及一种人工智能辅助的分布式MIMO接收机，属于无线通信技术领域。

背景技术

[0002] 将人工智能技术引入传统通信系统是下一代移动通信技术的热门研究方向，研究者将人工智能技术，特别是基于监督学习的深度神经网络技术应用于传统通信系统的各个部分，例如信号检测部分、信道状态信息反馈部分与智能预编码等，并取得了一定突破，展现了智能通信技术的巨大潜力。

[0003] 分布式MIMO技术是大规模MIMO技术的核心研究方向之一，分布式MIMO系统主要由室内基带单元(BBU,Building Baseband Unit)和远端射频单元(RRU,Remote Radio Unit)组成，大量的远端射频单元分布在整个小区，空口数据从远端射频单元通过光纤回传网络传输到室内基带单元进行处理，室内基带单元通常和核心网设备、无线网络控制设备等一同集中安置在机房内。与传统的集中式大规模MIMO系统不同，分布式MIMO系统通过将射频收发单元与处理单元进行分离，从而提高网络覆盖率、基站选址灵活性与基站场地资源利用效率，降低建设成本与维护成本。然而分布式MIMO系统也面临着许多新的问题，例如BBU与大量RRU之间的时钟同步与空口同步问题、多条光纤回传网络的可靠性与传输延迟问题、大量RRU的收发数据如何进行快速处理等，需要学术界进行进一步研究，而其中一个可能地方向就是通过智能通信技术进行辅助与改进。

发明内容

[0004] 针对分布式MIMO系统网络庞大，中心处理单元接收到的数据规模较大，数据处理复杂度较高的技术挑战，本发明提供一种人工智能辅助的分布式MIMO接收机，提高中心处理单元实时数据处理速率，同时解决现有分布式MIMO接收机可能不适用于其他特殊、复杂的信道环境的问题，提升分布式MIMO系统在面对复杂信道和变化信道时的适应性和灵活性。

[0005] 本发明为解决上述技术问题采用以下技术方案：

[0006] 本发明提供一种人工智能辅助的分布式MIMO接收机，，包括：

[0007] 若干射频天线，用于接收实际信道环境中的射频信号；

[0008] 若干基于FPGA芯片的软件无线电模块，用于对射频天线接收到的射频信号依次进行模数转换、下变频、符号定时同步、去除循环前缀CP、OFDM解调得到频域信号Y，并对频域信号Y采用UDP协议打包后传输至多核通用处理器；

[0009] 高精度时钟源，用于产生10MHz时钟源信号和触发源信号PPS序列；

[0010] 时钟分发器，用于将高精度时钟源产生的10MHz时钟源信号和触发源信号PPS序列通过光纤网络分发至各时钟分发节点；

[0011] 若干时钟分发节点，分别将接收到的10MHz时钟源信号和触发源信号PPS序列传输给对应的基于FPGA芯片的软件无线电模块，为各基于FPGA芯片的软件无线电模块提供频率同步和时序同步基准；

[0012] 多核通用处理器，用于接收各基于FPGA芯片的软件无线电模块传输的UDP数据包，将UDP数据包中提取的频域信号Y输入根据实际信道环境训练出的神经网络得到发射端数据流的估计 并将原始数据流X的估计 传输至计算机；

[0013] 计算机，用于接收和显示多核通用处理器传输的原始数据流X的估计[0014] 作为本发明的进一步技术方案，所述基于FPGA芯片的软件无线电模块随机分布在小区内。

[0015] 作为本发明的进一步技术方案，所述时钟分发节点与基于FPGA芯片的软件无线电模块一一对应配置。

[0016] 作为本发明的进一步技术方案，所述频域信号Y采用UDP协议打包后，通过高速以太网接口与光纤网络构成的光纤回传链路传输至多核通用处理器。

[0017] 作为本发明的进一步技术方案，所述光纤回传链路由光纤连接10Gb SFP+以太光口构成。

[0018] 作为本发明的进一步技术方案，所述多核通用处理器采用的神经网络为数据驱动全连接深度神经网络FC-DNN，其输入为所有若干基于FPGA芯片的软件无线电模块输出的频域信号Y，输出为原始数据流X的估计

[0019] 作为本发明的进一步技术方案，所述多核通用处理器采用的神经网络为模型驱动的神经网络ComNet，其输入为所有若干基于FPGA芯片的软件无线电模块输出的频域信号Y，输出为原始数据流X的估计

[0020] 作为本发明的进一步技术方案，所述多核通用处理器采用的神经网络为自适应于信道环境的切换神经网络，其输入为所有若干基于FPGA芯片的软件无线电模块输出的频域信号Y，输出为原始数据流X的估计

[0021] 作为本发明的进一步技术方案，所述射频天线所接收的实际信道环境中的射频信号是原始数据流X依次经QAM映射、插入导频和同步信号、OFDM调制、插入循环前缀CP、上变频、同相正交IQ双路调制和数模转换变换处理后得到的。

[0022] 本发明采用以上技术方案与现有技术相比，具有以下技术效果：

[0023] 1)本发明的人工智能辅助的分布式MIMO接收机，分为多个射频处理接入点和一个中心处理单元，通过射频处理接入点的软件无线电平台对接收信号进行初步的下变频、同步和OFDM解调等操作，以及多核服务器上的人工智能算法将所有接入点传来的解调信号直接恢复为原始数据比特流，实现了庞大网络数据的快速实时处理；人工智能算法中所运用的神经网络针对多种信道模型进行训练，能够根据实际信道环境进行实时神经网络调整，对实际复杂的信道具有很强的适应性和灵活性，是一款性能优良且灵活可扩展的无线传输接收机；

[0024] 2)本发明基于软件无线电平台和多核通用服务器，具有很高的传输带宽和数据吞吐量；时钟分发网络和远距离光纤回传链路的建立，使得该系统能够实现多个射频处理接入点的频率、时间高精度同步以及远距离高速数据传输；通过人工智能算法取代传统分布式MIMO接收机中的信道估计、信道均衡、QAM解映射模块，降低了信道建模的难度，面对庞大的信息传输网络和数据规模，提升了分布式MIMO接收机的实时数据处理速率，并提升了接收机对多样化信道环境的适应性，具有较高的灵活性。

附图说明

[0025] 图1是本发明人工智能辅助的分布式MIMO接收机的结构示意图。

具体实施方式

[0026] 下面结合附图对本发明的技术方案做进一步的详细说明：

[0027] 如图1所示，本发明设计了一种人工智能辅助的分布式MIMO接收机，包括：射频天线，基于FPGA芯片的无线电模块、高精度时钟源、时钟分发器、时钟分发节点、多核通用处理器和计算机。其中，每根射频天线与每台软件无线电模块输入端相连，每台软件无线电模块输出端通过光纤由高速以太光口与多核通用处理器的输入端相连，高精度时钟源的输出端与时钟分发器相连，时钟分发器通过光纤与多个时钟分发节点相连，时钟分发节点的输出端分别连接各软件无线电模块的时钟输入端和触发源输入端，多核通用处理器的输出端与计算机相连。

[0028] 其中，所述射频天线，用于接收实际信道环境中的射频信号；基于FPGA芯片的软件无线电平台，作为分布式MIMO接收机中的射频处理接入点，用于对射频天线接收到的射频信号进行模数转换、下变频、符号定时同步、去除循环前缀CP、OFDM解调得到频域信号Y，并对数据进行UDP打包，通过高速以太网接口与光纤网络构成的光纤回传链路传输；高精度时钟源，用于产生高精度的10MHz时钟源信号和触发源信号PPS序列，提供多个射频处理接入点的频率同步和时序同步基准；时钟分发器，用于将10MHz时钟源信号和触发源信号PPS序列通过光纤网络精确分发到各时钟分发节点；时钟分发节点，将接收到的时钟信号和触发源信道传输给对应的射频处理接入点。多核通用处理器，作为分布式MIMO接收机的中心处理单元，用于接收高速以太网接口所传输的UDP数据包；并将UDP包中提取的频域信号Y输入人工智能算法中根据实际信道环境训练出的神经网络，由神经网络输出发射端数据流的估计 并将发射数据流的估计 传输至计算机；计算机，用于接收和显示多核通用处理器传输的发射数据流的估计

[0029] 本发明的人工智能辅助的分布式MIMO接收机，其工作过程具体如下：

[0030] 步骤一、由外部的发射端将原始数据流X，经QAM映射、插入导频和同步信号、OFDM调制、插入循环前缀CP，上变频得到发送的时域信号S；软件无线电模块将时域信号S进行同相正交IQ双路调制和数模转换，通过射频天线将信号发送到空中信道。其中，OFDM调制具体采用IFFT操作，将数据调制到正交子载波序列中。

[0031] 步骤二、时钟分发网络发送时钟和触发源信号，完成各接入点的频率和时间同步，即高精度时钟源产生10MHz时钟信号和PPS序列触发源信号，经SMA同轴电缆传输到时钟分发器，时钟分发器通过光纤由以太光口将时钟和触发源信号分发到各射频处理接入点配置的时钟分发节点，时钟分发节点通过SMA同轴电缆将时钟和触发源信号输入射频处理接入点的软件无线电模块，各软件无线电模块收到外部输入时钟和触发源的驯服，完成分布式MIMO系统多个射频处理接入电的频率和时间同步。

[0032] 步骤三、接收机射频处理接入点进行接收和初步处理，即射频处理接入点中射频天线接收空中信道中的信号，经FPGA模块进行模数转换、下变频、符号定时同步、去除循环前缀CP和OFDM解调得到频域信号Y，包括导频信息和数据信息；其中，OFDM解调具体采用FFT操作，将正交子载波序列中的数据信号提取出来。接收端的中心频率可在1.2GHz-6GHz范围内调节。

[0033] 步骤四、射频处理接入点中软件无线电模块将频域信号Y打包通过光纤回传链路传输至多核通用处理器进行集中处理，打包方式采用UDP格式，根据IP地址和端口号进行UDP发送。

[0034] 优选地，所述的光纤回传链路采用10Gb SFP+以太光口和光纤构成，以保证数据的高速实时传输。

[0035] 步骤五、多核通用处理器对UDP数据包进行接收和数据提取，得到频域信号Y，该信号通过多核通用处理器上部署的人工智能算法根据实际信道训练出的神经网络输出原始传输数据的估计 其中，多核通用处理器调用多线程并行处理数据，调用Intel MKL库支持人工智能算法，提高计算效率。

[0036] 步骤六、多核通用处理器将恢复的原始数据的估计 通过以太网口传输至计算机进行显示，并且优选为还原视频流显示。

[0037] 其中，所述多核通用服务器的人工智能算法替代了传统分布式MIMO接收机中的信道估计、信道均衡和QAM解映射模块，通过神经网络信道特征进行学习，训练得出的该信道条件下的神经网络，能够将接收到的OFDM解调后数据直接恢复成原始数据的估计。

[0038] 本实施例所述的在多核通用处理器上实现的人工智能算法模块，其输入为所有射频处理接入点输出的频域信号Y，输出适应于实际信道模型的神经网络恢复出的原始数据的估计 根据不同信道的收发测试数据进行学习，根据实际需求选取数据驱动深度全连接神经网络FC-DNN、模型驱动的神经网络ComNet以及自适应于信道环境的切换神经网络或其他网络结构，对特定信道环境下的收发测试数据进行学习，训练得出的神经网络能够根据输入的频域信号对恢复比特流信息进行预测。

[0039] 所述数据驱动的深度全连接神经网络FC-DNN，通过多层非线性全连接网络运算，由频域信号Y直接恢复出原始数据的估计 所述神经网络ComNet，先通过线性全连接网络运算估计出信道的系统函数H，再由H进行信道均衡，最后由非线性网络运算恢复出原始数据的估计 所述切换神经网络则通过顶层神经网络对实时接收的部分数据进行在线学习，根据学习结果对底层神经网络结构和信道模型进行调整，频域数据Y通过底层神经网络直接恢复出原始数据 以上几种网络均在本硬件平台上得到了良好的测试和验证。

[0040] 综上，本发明的分布式MIMO接收机，通过软件无线电模块与多核通用处理器的融合，以及人工智能算法的应用，在多个射频处理节点完成信号的接收和下变频、同步、OFDM解调等初步操作，由光纤回传链路将数据传输到多核通用处理器，利用人工智能算法直接回复出原始数据比特流，降低信道建模难度，实现了分布式MIMO系统庞大网络数据的快速实时处理，同时，具有较高的工作带宽和系统运行速度，人工智能算法的引入，也提升了分布式MIMO接收机对于多样化复杂信道的适应性，多种神经网络和自适应切换网络的配置，也提高了系统的灵活性和可扩展性，在实际应用中具有巨大的优势与潜力。

[0041] 上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。