一种面向超大规模MIMO的信道状态信息反馈方法技术

本发明专利技术涉及一种面向超大规模MIMO的信道状态信息反馈方法，本方法采用两种反馈范式，第一种反馈范式由编解码器组成，第二种反馈范式由抽样策略和解码器组成，二者并行对原始CSI矩阵进行压缩、反馈和解压缩操作，同时得到原始CSI的估计值；采用端到端的训练方式对两种反馈范式分别进行训练，并保存训练好的网络参数；完成训练后进行反馈范式选择，在范式选择时间内先后执行两种反馈范式并且测定相应时段的下行质量，选择表现更优者作为后续反馈方法；持续监听下行质量变化情况，若下行质量明显下降，则重新进行反馈范式选择，否则反馈范式保持不变。与现有技术相比，本发明专利技术通过两种反馈范式并行处理、择优执行的方式增强拓展性和适用性。性和适用性。性和适用性。

【技术实现步骤摘要】
一种面向超大规模MIMO的信道状态信息反馈方法


[0001]本专利技术涉及无线通信
，尤其是涉及一种面向超大规模MIMO的信道状态信息反馈方法。

技术介绍

[0002]随着社会创建、共享和消费信息的方式发生巨大的变化，无线数据流量急剧增加，人们对通信传输速率和通信容量的需求进一步增大。太赫兹通信技术和超大规模MIMO被认为是6G通信系统的基础使能技术，它通过在封装中集成大量的纳米天线阵列，利用天线阵列产生的增益来克服太赫兹频段的损耗和发射机功率有限带来的通信距离受限问题，达到太赫兹量级的通信传输速率。与大规模MIMO相比，超大规模MIMO系统的天线阵列更加庞大，且作用于更高频的太赫兹频段，能够获得更高的数据传输速率和更大的信道容量。
[0003]超大规模MIMO的诸多性能如波束成形增益等建立在获取完整和准确的CSI基础上，而在频分复用系统中，上行链路和下行链路工作在不同的频率上，基站端获取下行链路的CSI首先需要向用户端发送导频信号，用户端接收后进行信道估计获取CSI，再将CSI通过上行链路反馈给基站端。在超大规模MIMO系统中，天线数量远大于大规模MIMO系统，产生的高维CSI矩阵将导致巨大的反馈开销，因此为保证CSI矩阵反馈的完整性和准确性，需要对高维CSI矩阵进行压缩。
[0004]传统的CSI反馈技术主要有基于码本和基于压缩感知两种方法，但随着天线阵列规模的扩大，前者所需的码本复杂度也随之扩大，后者所依赖的矩阵稀疏性也难以得到满足，传统的CSI反馈技术难以满足大规模MIMO系统的CSI反馈需求，更加无法应用于超大规模MIMO系统。在大规模MIMO系统中，已有一些工作将深度学习应用于解决CSI反馈问题，所提出网络如CsiNet、CRNet等获得了较传统技术更优的反馈性能，因此深度学习更适用于大规模乃至超大规模MIMO系统的CSI反馈问题。
[0005]与大规模MIMO系统相比，超大规模MIMO系统采用子阵列结构，作用于太赫兹频段，存在分子吸收损耗、三维球面波传播等信道特性，其下行链路的CSI矩阵具有高维度、数量庞大和幅值小的特点。针对CSI反馈问题，采用合适的抽样策略和深度学习网络能够利用子载波间的频率相关性以及矩阵中实部和虚部的相关性，提取特征进行压缩和重建，有效的降低反馈开销。然而，目前在超大规模MIMO场景下针对高维CSI反馈的可用数据集和可行反馈方案仍为空白，因此在超大规模MIMO系统中解决CSI反馈是一个重要研究课题。

技术实现思路

[0006]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种面向超大规模MIMO的信道状态信息反馈方法，以提高适应性的同时减少网络训练参数，提高训练效果。
[0007]本专利技术的目的可以通过以下技术方案来实现：
[0008]本专利技术提供了一种面向超大规模MIMO的信道状态信息反馈方法，应用于基站端，包括如下步骤：
[0009]向用户端发送导频信号，在第一时间段内接收经过压缩的，基于第一反馈范式的第一信息，在第二时间段内接收通过对子载波频率对应的完整CSI进行抽样得到的，基于第二反馈范式的第二信息；
[0010]通过分别对所述第一信息和第二信息解压缩，得到第一时间段和第二时间段内的超大规模MIMO的CSI矩阵估计值，基于第一时间段和第二时间段内的下行质量，在后续的通信过程中采用下行质量更优的反馈范式进行CSI矩阵反馈；
[0011]其中，所述的第一信息的压缩通过设置在用户端且基于原始CSI矩阵数据集预先训练好的编码器实现，所述的第二信息基于用户端的抽样策略获取，所述的解压缩通过设置在基站端且基于原始CSI矩阵数据集预先训练好的解码器实现，且第一反馈范式的编码器和解码器共享相同的网络训练参数。
[0012]作为优选的技术方案，所述的原始CSI矩阵数据集分为实部数据集和虚部数据集，所述的原始CSI矩阵数据集分为实部数据集和虚部数据集，所述实部数据集用于训练和验证，所述实部数据集和虚部数据集同时用于测试。
[0013]作为优选的技术方案，基于优化器以均方误差函数为损失函数，以值固定或可变学习率对两种反馈范式进行训练。
[0014]作为优选的技术方案，所述的编码器和所述解码器的训练过程包括如下步骤：
[0015]以最小化原始CSI矩阵与解码器输出的CSI矩阵估计值的差值为目的，采用端到端的训练方式分别对两种反馈范式进行训练，保存第一反馈范式和第二反馈范式下训练好的反馈网络参数。
[0016]作为优选的技术方案，所述的对两种反馈范式分别进行训练具体为：
[0017]针对第一反馈范式联合训练编码器和解码器，针对第二种范式仅训练解码器。
[0018]作为优选的技术方案，基于长短时记忆递归神经网络实现所述的编码器和解码器。
[0019]作为优选的技术方案，所述的原始CSI矩阵数据集的获取包括如下步骤：
[0020]构建超大规模MIMO信道模型，设置除发射天线阵列中心的欧拉角外的固定参数，通过改变发射天线阵列中心欧拉角，生成多个CSI矩阵，形成原始CSI矩阵数据集。
[0021]作为优选的技术方案，所述的固定参数包括发射和接收天线子阵列数、发射和接收天线子阵列中的天线单元数、发射和接收天线阵列的中心三维坐标、接收天线阵列中心的欧拉角、发射频率、带宽、载波数和每个子载波中的子频带数。
[0022]作为优选的技术方案，所述的信道状态信息反馈方法还包括：
[0023]间隔固定时间检测下行质量，若下降超过一定阈值则重新选择质量更优的反馈范式进行CSI矩阵反馈。
[0024]作为优选的技术方案，第一反馈范式和第二反馈范式并行设置，第一反馈范式和第二反馈范式并行设置，基站端设置有两个结构相同的解码器，用于分别对第一信息和第二信息进行解压缩处理
[0025]与现有技术相比，本专利技术具有以下优点：
[0026](1)采用多种反馈范式，适应性强且网络参数少：本专利技术基于第一时间段和第二时间段内对应的第一反馈范式和第二反馈范式的CSI矩阵估计值，在后续的通信过程中采用下行质量更优的反馈范式进行CSI矩阵反馈，能够在不同的环境中选择较优的反馈范式以
估计CSI，另外编解码器和抽样策略可以根据具体应用进行调整，方法具有较强的拓展性和广泛的适应性，有较强的适应性。在此基础上，为克服两套反馈范式带来的训练参数量大的问题，本申请第一反馈范式编解码器共享相同的网络训练参数，第二种反馈范式使用抽样策略抽取部分子载波频率对应的完整CSI用于反馈，在基站端利用超大规模MIMO信道子载波间的相关性预测得到原始CSI矩阵的估计值，不需要使用编码器，两种范式都能有效减少网络训练参数并且简单易实施。
[0027](2)训练速度快：在训练过程中，将复数CSI矩阵划分为实数矩阵和虚数矩阵，利用超大规模MIMO的CSI矩阵中实数和虚数间的相关性，仅对实部进行训练，实部和虚部共享相同的训练网络进行压缩和反馈，使网络计算规模减少了近一个数量级。
附图说明<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向超大规模MIMO的信道状态信息反馈方法，其特征在于，应用于基站端，包括如下步骤：向用户端发送导频信号，在第一时间段内接收经过压缩的，基于第一反馈范式的第一信息，在第二时间段内接收通过对子载波频率对应的完整CSI进行抽样得到的，基于第二反馈范式的第二信息；通过分别对所述第一信息和第二信息解压缩，得到第一时间段和第二时间段内的超大规模MIMO的CSI矩阵估计值，基于第一时间段和第二时间段内的下行质量，在后续的通信过程中采用下行质量更优的反馈范式进行CSI矩阵反馈；其中，所述的第一信息的压缩通过设置在用户端且基于原始CSI矩阵数据集预先训练好的编码器实现，所述的第二信息基于用户端的抽样策略获取，所述的解压缩通过设置在基站端且基于原始CSI矩阵数据集预先训练好的解码器实现，且第一反馈范式的编码器和解码器共享相同的网络训练参数。2.根据权利要求1所述的一种面向超大规模MIMO的信道状态信息反馈方法，其特征在于，所述的原始CSI矩阵数据集分为实部数据集和虚部数据集，所述实部数据集用于训练和验证，所述实部数据集和虚部数据集同时用于测试。3.根据权利要求1所述的一种面向超大规模MIMO的信道状态信息反馈方法，其特征在于，基于优化器以均方误差函数为损失函数，以值固定或可变学习率对两种反馈范式进行训练。4.根据权利要求1所述的一种面向超大规模MIMO的信道状态信息反馈方法，其特征在于，所述的编码器和所述解码器的训练过程包括如下步骤：以最小化原始CSI矩阵与解码器输出的CSI矩阵估计值的差值为目的，采用端到端的训练方式分别对两种反馈范式进行训练，保存第...

【专利技术属性】
技术研发人员：李育灵，郭爱煌，
申请(专利权)人：同济大学，
类型：发明
国别省市：