面向信道压缩反馈的基座模型的训练方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种面向信道压缩反馈的基座模型的训练方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。所述方法包括：通过用户端的模型分别对各个用户端的样本信道状态信息进行处理，得到目标比特流数据，并通过基站端的模型对各个用户端的目标比特流数据进行处理，得到重建后的信道状态信息，并得到训练好的基座模型；通过采用该方法，可以通过训练好的基座模型灵活地解决不同异构配置的信道压缩反馈的任务；综合考虑无线通信系统中存在多用户的情况，联合多用户估计的样本信道状态信息进行处理，提升模型训练的效率以及提升训练得到的基座模型的性能。

【技术实现步骤摘要】

本申请涉及无线通信，特别是涉及一种面向信道压缩反馈的基座模型的训练方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

技术介绍

1、信道压缩反馈（channel compression and feedback）任务是在多输入多输出（multiple-input multiple-output，mimo）和正交频分复用（orthogonal frequency-division multiplexing，ofdm）系统中获取下行信道状态信息（channel stateinformation，csi）的关键手段。

2、传统技术中，一般通过向量量化或者码本的方案实现信道压缩反馈。但是，随着技术的不断发展，无线通信系统中的天线数量也在增长，传统方案中的反馈量也会随之增加，会产生系统难以容忍的反馈开销，基于压缩感知（compressive sensing）的方案可以充分利用信道的稀疏性实现高效的压缩，但是该方案的反馈精度会显著下降，同时也会带来一些实际部署上的问题。而深度学习技术由于其强大的非线性建模能力，在面向信道压缩反馈任务能够降低一定的本文档来自技高网...

【技术保护点】

1.一种面向信道压缩反馈的基座模型的训练方法，其特征在于，所述基座模型包括基站端以及至少一个用户端，所述用户端包括编码器以及变换模块；所述基站端包括逆变换模块以及解码器；所述编码器包括至少一个专家混合编码模块；所述解码器包括至少一个专家共享解码模块；所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述编码器还包括第一位置编码模块；所述变换模块包括压缩层以及量化编码层；所述通过所述用户端对应的各所述专家混合编码模块中的专家模型以及门控网络，对所述目标令牌进行编码处理，得到第一输出令牌；以及通过所述变换模块，对所述第一输出令牌进行变换，得到目标比特流数据，包括：

...

【技术特征摘要】

1.一种面向信道压缩反馈的基座模型的训练方法，其特征在于，所述基座模型包括基站端以及至少一个用户端，所述用户端包括编码器以及变换模块；所述基站端包括逆变换模块以及解码器；所述编码器包括至少一个专家混合编码模块；所述解码器包括至少一个专家共享解码模块；所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述编码器还包括第一位置编码模块；所述变换模块包括压缩层以及量化编码层；所述通过所述用户端对应的各所述专家混合编码模块中的专家模型以及门控网络，对所述目标令牌进行编码处理，得到第一输出令牌；以及通过所述变换模块，对所述第一输出令牌进行变换，得到目标比特流数据，包括：

3.根据权利要求2所述的方法，其特征在于，所述专家混合编码模块包括前置处理层、专家处理层以及归一化层，所述专家处理层包括多个专家模型以及多个门控网络；所述通过首尾相连的各所述专家混合编码模块中的门控网络以及多个目标专家模型，对所述第一位置编码令牌进行编码处理，得到第一输出令牌，包括：

4.根据权利要求1所述的方法，其特征在于，所述逆变换模块包括拼接层、去量化层以及上采样层；所述通过所述基站端的逆变换模块，对各所述用户端对应的目标比特流数据进行逆变换处理，得到第二输出令牌，包括：

5.根据权利要求1所述的方法，其特征在于，所述解码器还包括...

【专利技术属性】
技术研发人员：程翔，刘轩宇，刘伯珣，高诗简，
申请(专利权)人：北京大学，
类型：发明
国别省市：