基于深度学习的CSI反馈方法及系统技术方案

本发明专利技术公开了基于深度学习的CSI反馈方法及系统，属于通信技术领域，要解决的技术问题为大规模MIMO系统中CSI反馈面临的恢复精度低、频率效率下降以及上行带宽消耗巨大。包括如下步骤：构建并训练信道状态信息反馈模型TCMRNet，包括编码器和解码器，编码器和解码器中均引入有LSTM网络单元以及具有不同卷积核大小的卷积层，且每个卷积层的输出端连接有批归一化层，编码器用于对输入的信道状态信息进行多分辨率特征提取以及时间相关性分析、并将提取的特征压缩为特征向量输出，解码器以特征向量为输入，用于对特征向量进行解压以及信道状态信息恢复，输出重建的信道状态信息；对重建的信道状态信息进行时域变换。

【技术实现步骤摘要】

本专利技术涉及通信，具体地说是基于深度学习的csi反馈方法及系统。

技术介绍

1、在大规模多输入多输出(mimo)系统中，随着天线数量的增加，信道状态信息(csi)反馈面临着一系列关键挑战，这些问题严重制约了系统性能和效率。首先，csi维度爆炸性增长，天线数量的增加导致csi矩阵维度急剧上升，传统的信道估计和反馈方法难以精确恢复csi，尤其是在高速移动场景下，信道快速变化使得波束追踪失败或误码率上升，从而严重影响数据传输性能；其次，频谱效率下降，csi信息量巨大，其传输会占用大量上行带宽资源，导致频谱效率下降，在频分双工(fdd)系统中，由于上行和下行链路频率分离，上行带宽的过度使用会进一步压缩可用的数据传输容量，限制系统吞吐量；最后，上行带宽消耗巨大，大量的csi数据需要从用户设备(ue)反馈到基站(bs)，导致上行带宽消耗巨大，增加了运营成本，降低了系统能量效率。

2、大规模mimo系统中csi反馈面临的恢复精度低、频率效率下降以及上行带宽消耗巨大，是需要解决的技术问题。

技术实现思路

1、本本文档来自技高网...

【技术保护点】

1.一种基于深度学习的CSI反馈方法，其特征在于，应用于RIS辅助的大规模MIMO系统模型，包括如下步骤：

2.根据权利要求1所述的基于深度学习的CSI反馈方法，其特征在于，对于所述信道状态信息反馈模型TCMRNet，编码器包括激活函数层、两个并行的特征提取路径、LSTM网络单元、特征融合层以及全连接层；

3.根据权利要求2述的基于深度学习的CSI反馈方法，其特征在于，所述信道重建模块包括两个并行的特征重建路径、特征融合层以及合并层，两个特征重建路径分别为高分辨特征重建路径和低分辨率特征重建路径；

4.根据权利要求1所述的基于深度学习的CSI反馈方法，...

【技术特征摘要】

1.一种基于深度学习的csi反馈方法，其特征在于，应用于ris辅助的大规模mimo系统模型，包括如下步骤：

2.根据权利要求1所述的基于深度学习的csi反馈方法，其特征在于，对于所述信道状态信息反馈模型tcmrnet，编码器包括激活函数层、两个并行的特征提取路径、lstm网络单元、特征融合层以及全连接层；

3.根据权利要求2述的基于深度学习的csi反馈方法，其特征在于，所述信道重建模块包括两个并行的特征重建路径、特征融合层以及合并层，两个特征重建路径分别为高分辨特征重建路径和低分辨率特征重建路径；

4.根据权利要求1所述的基于深度学习的csi反馈方法，其特征在于，训练信道状态信息反馈模型tcmrnet时，通过cost2100信道模型生成数据集，并通过离散傅里叶变换对数据集进行预处理，预处后数据集作为样本集；

5.根据权利要求1-4任一项所述的基于深度学习的csi反馈方法，其特征在于，ris辅助的大规模mimo系统模型包括k个单天线用户、一个可重构智能表面ris和一个配置有双极化天线振元ula的基站，基站发射的信号到达ris、并由ris反射至用户；

6.一种基于深度学习的csi反馈系统，其特征在于，应用于ris辅助的大规模mim...

【专利技术属性】
技术研发人员：董安明，薛玉鹏，袁宇涵，武晓玉，王桂娟，田祥，李素芳，
申请(专利权)人：齐鲁工业大学山东省科学院，
类型：发明
国别省市：