CN115021787B 一种基于复数卷积神经网络的信道状态信息反馈方法 （大连大学）

一种基于复数卷积神经网络的信道状态信本发明公开了一种基于复数卷积神经网络FDD大规模MIMO系统下的信道状况，建立通信系程。在编码器中使用复数卷积下采样对原始CSI2号Α表示为其中h,ec""、分别代表子载波iHF,"(2)⃞,=fs(v,0,)(4)故最终优化目标是最小化原始Ha和重构i,之间的差异，这种差异表示成找到满足条件2.根据权利要求1所述一种基于复数卷积神经网络的信道状态信息反馈方法，其特征在卷积神经网络工作时，卷积核从CSI矩阵的左上角开始滑动，3I3.根据权利要求2所述一种基于复数卷积神经网络的信道状态信息反馈方法，其特征差为1的正态分布；所述复数批归一化操作使用两个参数γ和β,移位参数β是一个复数参由于CSI矩阵归一化后的值具有实方差和虚方差1，将γrr和γii初始化为以获4.根据权利要求1所述一种基于复数卷积神经网络的信道状态信息反馈方法，其特征复数形式的编码器-解码器结构，在所述编码器中使用复数卷积下采样的方式提取CSI特5.根据权利要求4所述一种基于复数卷积神经网络的信道状态信息反馈方法，其特征6.根据权利要求4所述一种基于复数卷积神经网络的信道状态信息反馈方法，其特征7.根据权利要求4所述一种基于复数卷积神经网络的信道状态信息反馈方法，其特征45[0001]本发明涉及无线通信技术领域，具体涉及一种在频分双工(FrequencyDivision[0004]大规模MIMO技术的这些优点主要通过在基站(BaseStation，BS)利用CSI分析网得我们能根据当前信道情况调整传输，这对于多天线系统的高比特率可靠通信至关重要。CSI链路反馈的开销非常大。这种过高的反馈开销导致大规模MIMO技术难于在无线通信系[0005]本发明的目的在于，提供一种基于复数卷积神经网络的6输出信号Α表示为diag(h"p…⃞px.),其中p,ec"",i∈{1,...,Nc}分别代7I[0033]其中γrr是两个实部的缩放参数；γri是第一个为实部，第二个为虚部的缩放参恢复CSI矩阵原始大小，并通过复数密集连接模块CDBlock将压缩后的码字重构为原始CSI[0037]更进一步的，所述复数密集连接模块CDBlock的每一层都从前面所有层获取额外[0039]其中[x0,x1,...,xl-1]表示在0,…,l-1层生成的特征图的串联，Cl为复数批归一8[0042]基站BS获得码字v后，首先通过复数全连接层将压缩后的特征向量直接恢复到Nc9出信号Α表示为其中h,ec""、p,ec"",i∈{1,...,Nc}分别代表故假设下行CSI矩阵为H=[h…hyI",其包括NcNt个元素，需要反馈的参数个数为2NcNt，其[0062]将有效信息行Ha输入到用户设备UE的编码器中，根据给定的压缩率η生成码字v，[0067]其中表示解码过程，表示解码器的一组参数，因此整个反馈过程可以表示[0076]本发明采用复数批归一化操作将卷积神经网络每层得到的卷积结果归一化到均[0078]其中γrr是两个实部的缩放参数；γri是第一个为实部，第二个为虚部的缩放参[0085]其中[x0,x1,...,xl-1]表示在0,…,l-1层生成的特征图的串联，Cl为复数批归一提取数据特征。特征提取模块的网络结构具体设置参数可以为，strides＝2、padding=[0089]基站BS获得码字v后，首先通过复数全连接层将压缩后的特征向量直接恢复到Nc和变