基于特征抽取与互异性融合的1bit压缩叠加CSI反馈方法技术

本发明专利技术公开了基于特征抽取与互异性融合的1bit压缩叠加CSI反馈方法，包括：根据上行CSI估计矢量的幅度，通过第一神经网络获得对应的下行CSI的学习幅度；根据基站得到的恢复反馈向量，利用专家知识进行CSI特征提取，恢复出下行CSI的特征幅度与特征角度；根据对所述下行CSI的特征幅度与下行CSI的学习幅度拼接得到的下行CSI拼接幅度，通过第二神经网络获得下行CSI的融合幅度；根据所述下行CSI的融合幅度与所述特征角度，恢复得到下行CSI重构矢量。与单比特CS叠加CSI反馈相比，本发明专利技术可根据上下行信道双向互异性恢复出单比特CS丢失的下行CSI幅度，极大的提高了CSI的重构精度，同时显著提高了CSI的重构效率。时显著提高了CSI的重构效率。时显著提高了CSI的重构效率。

【技术实现步骤摘要】
基于特征抽取与互异性融合的1bit压缩叠加CSI反馈方法


[0001]本专利技术涉及FDD(frequency division duplex)大规模MIMO(multiple input multiple output)系统的叠加反馈
，特别涉及基于特征抽取与互异性融合的1bit压缩叠加信道状态信息(CSI，Channel State Information)反馈方法。

技术介绍

[0002]作为满足未来5G(the fifth generation wireless communication)网络高效频谱效率和能量效率的关键技术，FDD大规模MIMO系统通过基站端部署的上百根天线，能在不增加发射功率和系统带宽的情况下为更多用户提供无线数据服务。同时，FDD大规模MIMO系统中诸多带来性能提升的操作(如多用户调度、速率分配、发射端预编码等)依赖于准确的下行信道状态信息(CSI,channel state information)的获取。在频分双工(FDD，frequency division duplex)大规模MIMO系统中信道间的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于特征抽取与互异性融合的1bit压缩叠加CSI反馈方法，其特征在于，包括：根据上行CSI的估计矢量的幅度通过第一神经网络获得对应的下行CSI的学习幅度根据恢复反馈向量利用专家知识进行CSI特征提取，恢复出下行CSI的特征幅度与特征角度其中，所述恢复反馈向量是指基站接收端根据发射端发出的反馈向量w进行恢复后得到的对应反馈向量；根据对所述下行CSI的特征幅度与下行CSI的学习幅度拼接得到的下行CSI拼接幅度通过第二神经网络获得下行CSI的融合幅度根据所述下行CSI的融合幅度与所述特征角度恢复得到下行CSI重构矢量2.根据权利要求1所述的方法，其特征在于，所述上行CSI估计矢量幅度通过以下模型获得：型获得：其中，表示所述上行CSI的估计矢量的第N个元素，|
·
|表示复数的取模操作，上标T表示转置运算。3.根据权利要求2所述的方法，其特征在于，所述上行CSI的估计矢量通过以下模型得到：其中，s表示用户端发送的基站已知信号序列，表示取Moore
‑
Penrose伪逆操作，表示用于进行信道估计的基站端接收序列，且满足：其中，N表示信道噪声，g表示实际的上行CSI矢量。4.根据权利要求2所述的方法，其特征在于，所述第一神经网络包括：一个含有线性激活函数的输入层、一个含有Leaky ReLU激活函数的隐藏层和一个含有线性激活函数的输出层；其中，输入层、隐藏层和输出层节点数分别为N、mN和N，m表示根据工程预设确定的隐藏层节点系数。5.根据权利要求1所述的方法，其特征在于，所述恢复反馈向量为在基站恢复的1bit压缩叠加矢量x中的反馈向量，且：所述的1
‑
bit压缩叠加矢量在发射端通过以下模型获得：其中，d表示长度为P的上行用户数据序列，E表示用户发送功率，ρ∈[0,1]表示叠加因子，可根据工程经验设定，Q表示P
×
L维的为扩频矩阵，满足Q
T
Q＝P
·
I
L
，其中上标T表示转置
运算，L表示调制信号长度，I
L
表示L维单位矩阵，r表示长度为L的调制信号序列。6.根据权利要求5所述的方法，其特征在于，获得所述恢复反馈向量的过程包括：通过以下解扩处理模型获得解扩信号理模型获得解扩信号其中，Y...

【专利技术属性】
技术研发人员：卿朝进，叶青，刘文慧，黄小莉，曹太强，黄永茂，
申请(专利权)人：西华大学，
类型：发明
国别省市：