公开(公告)号：CN119210537A

公开(公告)日：2024-12-27

申请号：CN202411189754.6

申请日：2024-08-28

Applicant: 中国电子科技集团公司第五十四研究所

Inventor： 杨朔 ,  李勇 ,  刘丽哲 ,  王斌 ,  李行健 ,  夏金涛 ,  汪畅 ,  徐文博 ,  张涵 ,  郭少雄 ,  赵显超

IPC: H04B7/06 ,  H04B7/0413 ,  H04L25/02 ,  G06N3/048 ,  G06N3/06

Abstract: 本发明公开了一种大规模MIMO非稀疏信道状态信息反馈及重建方法，属于通信技术领域。本发明基于深度学习技术和传统大规模MIMO通信系统信道状态信息反馈思想，提出了一种用于实现大规模MIMO非稀疏信道状态信息反馈的神经网络模型SCF‑Net，并把大规模MIMO通信系统信道状态信息视为灰度图像，将大规模MIMO通信系统信道状态信息反馈与重建问题转换为有损图像修复问题，在神经网络模型、数据和算力支持下获得超越传统压缩感知算法的信道状态信息反馈与重建性能。本发明可有效解决现有信道状态信息反馈技术过度依赖信道稀疏性的问题，并能够有效提升大规模MIMO非稀疏信道状态信息反馈及重建能力。

公开(公告)号：CN118041409A

公开(公告)日：2024-05-14

申请号：CN202410118291.8

申请日：2024-01-29

Applicant: 中国电子科技集团公司第五十四研究所

Inventor： 张涵 ,  杨朔 ,  李勇 ,  刘丽哲 ,  王斌 ,  李行健 ,  李红雨 ,  王毳

IPC: H04B7/06 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  H04B7/0417

Abstract: 本发明公开了一种基于极化自注意力的大规模MIMO信道反馈及重建方法，属于通信技术领域。本发明通过设计搭建深度神经网络PSA‑CsiNet网络模型，结合多尺度特征提取模块、PSA模块在特征提取方面的优势，大幅度提高模型算法特征提取能力和CSI重建性能；由于使用信道矩阵数据作为驱动，大幅度降低了算法对于信道完美稀疏性的依赖性；同时，模型采用线下训练和线上测试的方式，将计算量和开销转移到线下训练过程，大幅度降低了算法实际应用中的反馈开销。本发明可解决传统的CSI反馈及重建算法过于依赖信道的完美稀疏性、反馈开销大和CSI重建能力弱，以及现有的基于深度学习算法的CSI反馈及重建方法特征提取能力相对较弱、CSI重建性能不佳的问题。