一种基于可重构微波网络的线性最小均方误差估计方法及系统与流程

摘要: 本发明涉及模拟计算与微波网络信号处理,尤其涉及一种基于可重构微波网络的线性最小均方误差估计方法及系统。背景技术:1、在现代无线通信、雷达探测、高精度定位、自动控...
一种基于可重构微波网络的线性最小均方误差估计方法及系统与流程

本发明涉及模拟计算与微波网络信号处理,尤其涉及一种基于可重构微波网络的线性最小均方误差估计方法及系统。

背景技术:

1、在现代无线通信、雷达探测、高精度定位、自动控制、人工智能机器学习等众多前沿电子信息与信号处理领域中,信号参数估计、状态滤波与数据重构是支撑系统正常工作的核心基础技术。各类实际工程场景的信号采集与观测过程,均可通过经典线性观测模型进行建模与表征,该线性观测模型能够精准刻画系统待估参数、观测输出、系统传输特性与随机噪声之间的映射关系,是线性最小均方误差(linear minimum mean square error,lmmse)估计、最优滤波、信号复原等算法的核心建模基础。

2、具体地,通用线性观测模型的表达式如下:

3、式中,各参数的物理定义与维度特性具体说明如下:

4、为系统观测向量,用于表征设备实际采集得到的观测数据;

5、为待估计随机向量,对应系统需要求解、重构或跟踪的目标参数、状态变量或原始信号;

6、为系统传输矩阵,用于表征观测系统的线性传输特性、信道响应或状态映射关系;

7、为加性随机噪声向量,涵盖系统热噪声、信道干扰、测量误差等各类随机扰动因素。

8、在常规工程应用场景中,通常可通过前期信道测量、噪声统计建模、样本训练等方式,预先获取待估计随机向量的协方差矩阵以及观测噪声向量的协方差矩阵。其中,上标 h 代表矩阵共轭转置运算,代表数学期望运算。且在绝大多数实际工况下,协方差矩阵与均满足正定可逆条件,基于该先验条件,lmmse估计算法可推导出最优估计量的闭式解析解,无需通过迭代运算收敛求解,具备理论最优的估计精度,因此被广泛应用于各类高精度信号估计场景。

9、目前,现有技术中lmmse估计的工程实现方式均为数字域离线/在线运算,即通过数字芯片、处理器、fpga等数字硬件平台完成全部线性代数运算。传统数字实现方案的核心运算过程,需要完成多次高精度矩阵乘法运算以及高维矩阵求逆运算,核心求解公式中需对或等高维复合矩阵进行求逆处理,同时配套完成多组矩阵相乘、矩阵加减等复杂运算步骤。

10、随着现代电子系统朝着大维度、大规模、高密集度方向快速发展,观测维度y、待估参数维度x持续提升,矩阵运算的维度规模呈指数级增长,导致传统数字域lmmse实现方案暴露出诸多难以规避的技术缺陷,严重制约了系统整体性能与工程落地能力,具体缺陷体现在以下三个方面:

11、第一,算法运算复杂度高、处理时延大。高维矩阵的求逆运算、矩阵乘法运算的计算复杂度随矩阵维度的提升呈二次甚至三次方增长,海量浮点运算会极大占用数字处理器的算力资源,导致单帧信号的估计处理时延大幅增加,无法满足高速信号处理的基础需求。

12、第二,存储访问开销大、系统运行功耗高。高维矩阵运算过程中需要频繁读取、缓存、更新大规模矩阵数据,对硬件存储单元的读写带宽、缓存容量提出极高要求,频繁的存储交互操作不仅提升了硬件资源占用率,还会大幅增加系统动态功耗,不利于设备小型化、低功耗的工程设计需求。

13、第三,难以适配实时、高吞吐的高端应用场景。在5g/6g高速通信、实时雷达成像、动态无人机定位、高速机器学习推理等对数据处理实时性、吞吐率要求严苛的场景中,传统数字lmmse方案的高时延、低效率缺陷会成为整个信号处理链路的性能瓶颈,限制系统的实时响应能力与数据处理吞吐量,极大制约了lmmse估计算法在高端实时系统中的应用范围。

14、综上所述,当前基于纯数字运算的lmmse估计实现方案,受限于矩阵求逆、矩阵乘法等高复杂度线性代数运算的约束,在高维场景下存在复杂度、时延、功耗、吞吐率等多维度技术短板,无法适配现代大规模、实时化、低功耗的信号处理需求。因此,亟需研发一种全新的实现方案,将lmmse算法依赖的核心线性代数运算进行物理化映射与硬件赋能,摒弃传统数字逐次运算模式,使最优估计结果能够通过物理网络的稳态响应直接输出,从根本上解决传统数字实现方案的技术瓶颈。

技术实现思路

1、本发明提供一种基于可重构微波网络的线性最小均方误差估计方法,通过将lmmse 估计问题中的系统矩阵与统计矩阵写入微波网络的等效矩阵参数,使网络在稳态时输出端口电压直接给出 lmmse 估计结果,从而减少或避免数字域矩阵求逆与矩阵乘法运算。

2、本发明提供了一种基于可重构微波网络的线性最小均方误差估计方法,包括:

3、配置具有p个端口的可重构微波网络,设定端口总数p等于输入端口数n与输出端口数m之和,且令输入端口数n等于观测向量y的维度y,输出端口数m等于待估计向量x的维度x;

4、在所有p个端口处串联参考导纳y0以构建统一端口边界条件,并将观测向量通过受控电压源加载至前n个输入端口,将后m个输出端口连接匹配终端;

5、调节所述可重构微波网络内部的可调导纳单元,使网络等效矩阵映射为线性最小均方误差估计的目标矩阵;

6、读取后m个输出端口的输出端口块电压向量,将所述输出端口块电压向量作为线性最小均方误差估计结果输出。

7、在本发明一实施例中,其中,所述目标矩阵为p×p维块矩阵,其被按照输入端口与输出端口划分为四个子块:

8、=;

9、其中为噪声协方差,为系统矩阵,为系统矩阵的共轭转置,为先验协方差的逆;

10、端口电压向量按输入/输出分块为:

11、v=;

12、其中v1∈y×1,为输入端口块电压向量;v2∈x×1,为输出端口块电压向量;

13、所述网络等效矩阵满足端口电压向量与外部激励向量的线性方程,其中为网络等效矩阵:

14、=其中:

15、p11∈y×y;p22∈x×x;p12∈y×x;p21∈x×y;

16、外部激励向量=,=y;

17、推导得到v2=(p21p11-1p12-p22)-1p21p11-1u1。

18、在本发明一实施例中,还包括:

19、周期性向所述前n个输入端口加载已知测试向量;

20、读取所述后m个输出端口的幅相响应;

21、根据所述幅相响应与理论预期输出的偏差,修正所述可调导纳单元的设定值或修正所述输出端口块电压向量的读数。

22、在本发明一实施例中,还包括:

23、构造用于误差统计的网络目标矩阵;

24、将单位向量逐列加载至所述前n个输入端口;

25、读取所述后m个输出端口的输出端口块电压向量,将所述输出端口块电压向量作为线性最小均方误差估计误差协方差矩阵的列向量输出。

26、在本发明一实施例中,当系统矩阵h、噪声协方差矩阵cn以及先验协方差矩阵cx逆更新时,依据预设映射公式计算新的导纳参数值,并将所述新的导纳参数值写入所述可调导纳单元。

27、在本发明一实施例中,所述调节所述可调导纳单元的包括:调节端口间互连导纳单元以设定目标矩阵的非对角元素;调节端口对参考节点导纳单元以设定目标矩阵的对角元素。

28、在本发明一实施例中,其中,网络等效矩阵p映射为线性最小均方误差估计的目标矩阵,以使:

29、v2=x`=(hhcn-1h+cx-1)-1hhcn-1y;或

30、v2=x`=cxhh(hcxhh+cn)-1y;

31、其中x`为目标矩阵的等价闭式解。

32、本发明还提供了一种基于可重构微波网络的线性最小均方误差估计系统,包括:

33、可重构微波网络,具有p个端口,所述端口总数p等于输入端口数n与输出端口数m之和,且输入端口数n等于观测向量y的维度y、输出端口数m等于待估计向量x的维度x;

34、参考导纳单元,串联于所述p个端口处,用于构建统一端口边界条件;

35、输入加载模块,连接于前n个输入端口,用于将观测向量通过受控电压源加载至所述前n个输入端口;

36、输出测量模块,连接于后m个输出端口,用于读取所述后m个输出端口的输出端口块电压向量;

37、导纳参数配置模块,与所述可重构微波网络连接,用于调节网络内部的可调导纳单元,使所述可重构微波网络的等效矩阵映射为线性最小均方误差估计的目标矩阵。

38、在本发明一实施例中,所述可重构微波网络内部由端口间互连导纳单元与端口对参考节点导纳单元构成,所述端口间互连导纳单元连接不同端口以实现目标矩阵的非对角元素,所述端口对参考节点导纳单元连接端口与参考节点以实现目标矩阵的对角元素。

39、在本发明一实施例中,还包括:

40、在线校准模块,所述在线校准模块与所述输入加载模块以及输出测量模块连接,用于周期性发送已知测试向量至所述输入加载模块,并根据所述输出测量模块读取的幅相响应与理论预期输出的偏差,生成修正指令发送至所述导纳参数配置模块或所述输出测量模块;

41、误差统计模块,所述误差统计模块与所述导纳参数配置模块连接,用于构造用于误差统计的网络目标矩阵并发送至所述导纳参数配置模块,使所述可重构微波网络在输入端口接收单位向量逐列激励时,通过所述输出测量模块输出线性最小均方误差估计误差协方差矩阵的列向量。

42、本发明具有如下有益效果:

43、(1)通过配置p端口可重构微波网络(p=n+m,n=y,m=x),在所有端口串联参考导纳y0并将观测向量加载至前n个输入端口,调节内部可调导纳单元使网络等效矩阵严格映射lmmse目标矩阵,从而实现输出端口电压直接对应线性最小均方误差估计结果。

44、(2)引入在线校准与漂移补偿机制,在系统运行过程中周期性输入已知测试向量或已知统计条件,对输出端口的幅相偏差进行实时辨识并修正导纳设定值或电压读数。

45、(3)构造联合输出误差统计网络目标矩阵,在不改变核心估计输出路径的前提下,使网络在输入端口施加单位向量逐列激励时,输出端口直接给出lmmse误差协方差矩阵的列向量。该技术手段为后续置信度评估、自适应滤波算法迭代或系统健康状态监测提供了直接可用的统计特征,增强了全链路信号处理系统的自适应与鲁棒性。

46、(4)采用动态导纳重配置策略,当系统矩阵h、噪声协方差矩阵cn以及先验协方差矩阵cx逆发生更新时,仅需依据预设映射公式更新可调导纳单元的参数设定即可快速切换至新的估计任务。

47、本发明并非单纯记载lmmse算法或数学逻辑,而是明确限定了利用可重构微波网络的物理结构(端口分配、参考导纳串联、可调导纳单元连接关系)构建硬件载体,通过调节实体导纳器件参数将抽象的目标数学矩阵写入物理网络等效参数中,利用电磁波传播与物理稳态建立过程直接输出端口电压信号,形成“数学模型映射—硬件参数配置—物理层稳态求解—电压信号读取”的完整软硬件联动实施步骤。算法仅作为硬件参数配置的底层数据处理环节,未脱离具体工程落地实施方式。本技术所属具体技术领域为微波模拟计算与信号处理硬件设计。本专利所要解决的技术问题是传统数字域lmmse估计中高维矩阵求逆导致计算延迟大、功耗高及吞吐瓶颈;采用的技术手段是构建p端口可重构微波网络,配置参考导纳与可调导纳单元映射lmmse目标矩阵,通过物理端口电压稳态响应替代数字矩阵运算;实现的技术效果是避免数字求逆瓶颈、直接输出估计电压、实现低时延并行处理与低功耗,符合专利法第二条第二款规定的“利用自然规律解决技术问题的技术方案”要件。