信道状态信息预测系统的设计方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种信道状态信息预测系统的设计方法、装置、设备及介质，所述设计方法包括：构建残差神经网络，将残差神经网络作为信道状态信息预测器的主体结构，所述残差神经网络包括多层残差神经网络层；对信道状态信息预测器进行训练；在用户端中，构建信道状态信息预测系统，所述信道状态信息预测系统包括训练好的信道状态信息预测器、第一信道状态信息存储器和第二信道状态信息存储器；将信道状态信息预测系统与基站端进行交互，从而完成信道状态信息预测系统的设计。本发明专利技术通过构建残差神经网络和利用信道状态信息预测值，解决了传统通信系统中的信道状态信息因时延而反馈不准确的问题，同时也降低了信道环境变化所引起的性能损失。性能损失。性能损失。

【技术实现步骤摘要】
信道状态信息预测系统的设计方法、装置、设备及介质


[0001]本专利技术涉及一种信道状态信息预测系统的设计方法、装置、设备及介质，属于无线通信


技术介绍

[0002]随着移动设备数量的快速增长以及通信需求的增大，通信技术也在迅速发展。得益于多输入多输出(Multiple
‑
Input Multiple
‑
Output，MIMO)技术的应用，通信系统容量大大提升。尤其是作为5G关键技术之一的大规模MIMO，其极大地提升了频谱效率，并且也将在6G系统中继续发挥作用。要想获得大规模MIMO带来的增益，准确的信道状态信息(Channel State Information，CSI)的获取是必要条件。
[0003]在时分双工(Time
‑
Division Duplexing，TDD)系统中，因为上下行信道具有互易性，基站端可以根据下行信道的信道状态信息来获取上行信道的信道状态信息。而在频分双工(Frequency
‑
Division Duplexing，FDD)系统中，上下行信道并不具备互易性，基站端需要给用户端发送导频，用户端根据导频估计出信道状态信息，经过量化后再上报反馈给基站端。在FDD系统获取下行信道状态信息的过程中，用户端测量出信道状态信息到基站端使用信道状态信息之间存在时间差，这个时间差称为时延，最终基站端获取到的下行信道状态信息并在使用时，信道状态信息因时延的存在而变得不精准。因此，如何克服时延并获取准确的信道状态信息成为一个重要的问题。信道状态信息预测可以有效地解决因时延导致信道状态信息不精准的问题。
[0004]目前，在通信系统中，信道状态信息预测方法基本都是使用均值计算或线性滤波器来实现，其能提供一定的预测性能。然而，对于非线性信道尤其是快衰落信道，均值计算和线性滤波器的性能非常受限，使得信道状态信息预测的效果较差。因此，如何设计出一个合适的信道状态信息预测系统具有重要的意义。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种信道状态信息预测系统的设计方法、装置、计算机设备及存储介质，其通过构建残差神经网络和利用信道状态信息预测值，解决了传统通信系统中的信道状态信息因时延而反馈不准确的问题，同时也降低了信道环境变化所引起的性能损失。
[0006]本专利技术的第一个目的在于提供一种信道状态信息预测系统的设计方法。
[0007]本专利技术的第二个目的在于提供一种信道状态信息预测系统的设计装置。
[0008]本专利技术的第三个目的在于提供一种计算机设备。
[0009]本专利技术的第四个目的在于提供一种存储介质。
[0010]本专利技术的第一个目的可以通过采取如下技术方案达到：
[0011]一种信道状态信息预测系统的设计方法，所述方法包括：
[0012]构建残差神经网络，将残差神经网络作为信道状态信息预测器的主体结构，所述
残差神经网络包括多层残差神经网络层，每层所述残差神经网络层包括两层子网络结构和一层用于生成残差的卷积层；
[0013]对信道状态信息预测器进行训练；
[0014]在用户端中，构建信道状态信息预测系统，所述信道状态信息预测系统包括训练好的信道状态信息预测器、第一信道状态信息存储器和第二信道状态信息存储器；
[0015]将信道状态信息预测系统与基站端进行交互，从而完成信道状态信息预测系统的设计。
[0016]进一步的，两层所述子网络结构跨接一层所述用于生成残差的卷积层；
[0017]所述构建残差神经网络，具体包括：
[0018]每层所述残差神经网络层依次连接，在连接完成之后，最后一层残差神经网络层与输出层连接，从而构建得到残差神经网络。
[0019]进一步的，两层所述子网络结构相同，所述子网络结构包括依次连接的填充层、时间序列卷积层、权重归一化层、ReLU激活函数、Dropout层；
[0020]所述用于生成残差的卷积层的卷积核大小为1
×
1；
[0021]所述输出层为全连接神经网络层。
[0022]进一步的，两层所述子网络结构分为第一子网络结构和第二子网络结构，其中第一子网络结构的Dropout层与第二子网络结构的填充层连接；
[0023]两层所述子网络结构跨接一层所述用于生成残差的卷积层，具体包括；
[0024]第一子网络结构的填充层与用于生成残差的卷积层连接；
[0025]第二子网络结构的Dropout层与用于生成残差的卷积层连接。
[0026]进一步的，所述填充层在输入的特征序列的前面填充0，其中0的个数与空洞卷积因子的取值相同；
[0027]所述空洞卷积因子的取值为2
i
‑1，其中，i表示第i层残差神经网络层。
[0028]进一步的，所述第一信道状态信息存储器，用于存储信道状态信息测量值和传输信道状态信息测量值；所述第二信道状态信息存储器，用于存储信道状态信息预测值和传输信道状态信息预测值。
[0029]进一步的，在将信道状态信息预测系统与基站端进行交互的过程中，若信道状态信息预测的准确度小于预设阈值，则在当前训练好的信道状态信息预测器的基础上，并基于第一信道状态信息存储器所存储的历史信道状态信息测量值，更新所述信道状态信息预测器内的每层残差神经网络层中的时间序列卷积层的卷积核的权重参数，以及输出层的权重参数；
[0030]所述信道状态信息预测的准确度，如下式：
[0031][0032]或为下式：
[0033][0034]其中，N表示信道状态信息预测值的个数，表示信道状态信息预测值，C(n)表示对应的信道状态信息测量值。
[0035]本专利技术的第二个目的可以通过采取如下技术方案达到：
[0036]一种信道状态信息预测系统的设计装置，所述装置包括：
[0037]第一构建模块，用于构建残差神经网络，将残差神经网络作为信道状态信息预测器的主体结构，所述残差神经网络包括多层残差神经网络层，每层所述残差神经网络层包括两层子网络结构和一层用于生成残差的卷积层；
[0038]训练模块，用于对信道状态信息预测器进行训练；
[0039]第二构建模块，用于在用户端中，构建信道状态信息预测系统，所述信道状态信息预测系统包括训练好的信道状态信息预测器、第一信道状态信息存储器和第二信道状态信息存储器；
[0040]交互模块，用于将信道状态信息预测系统与基站端进行交互，从而完成信道状态信息预测系统的设计。
[0041]本专利技术的第三个目的可以通过采取如下技术方案达到：
[0042]一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述的设计方法。
[0043]本专利技术的第四个目的可以通过采取如下技术方案达到：
[0044]一种存储介质，存储有程序，所述程序被处理器执行时，实现上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信道状态信息预测系统的设计方法，其特征在于，所述方法包括：构建残差神经网络，将残差神经网络作为信道状态信息预测器的主体结构，所述残差神经网络包括多层残差神经网络层，每层所述残差神经网络层包括两层子网络结构和一层用于生成残差的卷积层；对信道状态信息预测器进行训练；在用户端中，构建信道状态信息预测系统，所述信道状态信息预测系统包括训练好的信道状态信息预测器、第一信道状态信息存储器和第二信道状态信息存储器；将信道状态信息预测系统与基站端进行交互，从而完成信道状态信息预测系统的设计。2.根据权利要求1所述的设计方法，其特征在于，两层所述子网络结构跨接一层所述用于生成残差的卷积层；所述构建残差神经网络，具体包括：每层所述残差神经网络层依次连接，在连接完成之后，最后一层残差神经网络层与输出层连接，从而构建得到残差神经网络。3.根据权利要求2所述的设计方法，其特征在于，两层所述子网络结构相同，所述子网络结构包括依次连接的填充层、时间序列卷积层、权重归一化层、ReLU激活函数、Dropout层；所述用于生成残差的卷积层的卷积核大小为1
×
1；所述输出层为全连接神经网络层。4.根据权利要求3所述的设计方法，其特征在于，两层所述子网络结构分为第一子网络结构和第二子网络结构，其中第一子网络结构的Dropout层与第二子网络结构的填充层连接；两层所述子网络结构跨接一层所述用于生成残差的卷积层，具体包括；第一子网络结构的填充层与用于生成残差的卷积层连接；第二子网络结构的Dropout层与用于生成残差的卷积层连接。5.根据权利要求3
‑
4任一项所述的设计方法，其特征在于，所述填充层在输入的特征序列的前面填充0，其中0的个数与空洞卷积因子的取值相同；所述空洞卷积因子的取值为2
i
‑1，其中，i表示第i层残差神经网络层。...

【专利技术属性】
技术研发人员：高嘉和，柯峰，陈林，刘重军，杨雨翰，
申请(专利权)人：京信网络系统股份有限公司，
类型：发明
国别省市：