【技术实现步骤摘要】
一种适用于大规模MIMO系统的信道状态信息反馈方法
[0001]本专利技术涉及一种基于维度压缩和码字量化的大规模MIMO系统的CSI反馈方法,属于无线通信
技术介绍
[0002]作为5G核心支持技术之一,大规模多输入多输出(Multiple
‑
Input Multiple
‑
Output,MIMO)系统有望满足不断增长的数据流量需求,其在显著减少多用户干扰的同时提供多倍增加的网络吞吐量,可以有效地提高链路容量和资源效率。然而,这些增益建立在基站(Base Station,BS)可以获取上行链路和下行链路有效的信道状态信息(Channel State Information,CSI)。上行链路的CSI获取较容易,只需要用户设备(User Equipment,UE)发射训练导频,再由BS根据接收到的信号估计用户终端的信道响应,而下行链路的CSI获取则较为困难。
[0003]CSI反馈是用户在获取到下行链路的CSI之后,对CSI进行压缩重构再反馈给基站的过程。
[0004]在当前的CSI反馈设计中,通常采用矢量量化或基于码本的方法来实现信道特征的提取与反馈以减少反馈开销,但是这些方法在一定程度上会损失信道信息,且其产生的反馈量与发射天线的数量是线性相关的。对于大规模MIMO系统,为了应对快速变化的环境,UE需要频繁地反馈CSI,BS大量天线大大增加了CSI矩阵的维数,反馈信息量急剧增加,使得码本设计复杂度和相应的反馈量显著增长,会导致很大的开销并占用更多的带宽资 ...
【技术保护点】
【技术特征摘要】
1.一种适用于大规模MIMO系统的信道状态信息反馈方法,其特征在于,包括以下步骤:S1、在用户设备端得到下行链路信道状态信息CSI在空间
‑
频率域上维度为N
t
×
N
r
的信道矩阵N
t
为基站端配置的发射天线和接收天线的数量,N
r
为用户端配置的发射天线和接收天线的数量;S2、对信道矩阵做二维的离散傅里叶变换,得到在角度时延域近似稀疏的CSI矩阵H
′
;S3、保留H
′
的前n
t
行得到维度为n
t
×
N
r
的截断矩阵H,n
t
为H
′
中非零值的行数;S4、利用构建的反馈模型CQ
‑
CsiNet中位于用户设备端的编码器对截断矩阵H进行特征提取和压缩后再输入量化模块,量化模块再通过量化和反量化操作压缩得到反馈CSI;部署在基站端的反馈模型CQ
‑
CsiNet的译码器对反馈CSI进行解压缩和恢复得到重建信道矩阵S5、采用端到端的训练方式,以缩小原始信道矩阵和重建信道矩阵之间的误差为目标对反馈模型CQ
‑
CsiNet进行训练;S6、反馈模型CQ
‑
CsiNet训练完成后,将原始CSI矩阵H作为反馈模型CQ
‑
CsiNet的编码器输入,反馈模型CQ
‑
CsiNet的译码器输出重建信道矩阵后,再对重建信道矩阵做二维的逆离散傅里叶变换,得到在空间
‑
频率域上信道矩阵的重建值作为基站端得到的CSI反馈结果。2.如权利要求1所述方法,其特征在于,步骤S1中,信道矩阵为所有子载波上信号矢量的堆叠。3.如权利要求1所述方法,其特征在于,步骤S2中,对CSI矩阵的每个列向量进行离散傅里叶变换,得到时延域稀疏的信道矩阵,对CSI矩阵的每个行向量进行离散傅里叶变换得到角度域稀疏的信道矩阵,在角度时延域近似稀疏的CSI矩阵H
′
表示为:其中,和分别表示两种不同的离散傅里叶变换矩阵。4.如权利要求1所述方法,其特征在于,步骤S4中,反馈模型CQ
‑
CsiNet包括用于对CSI进行特征提取和压缩的编码器、量化模块和用于解压缩和信道恢复的解码器;编码器利用信道矩阵的稀疏特性将输入的N维CSI矩阵H压缩成浮点型的M维向量,然后通过量化器对该向量进行离散化,从而得到反馈CSI的码字s:其中,ε(
·
)表示基于神经网络的编码器表示的非线性压缩函...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。