电讯技术

作者：王月,段红光,郑兴林

单位：(重庆邮电大学 通信与信息工程学院，重庆 400065)

关键词：大规模MIMO；信道状态信息；压缩反馈；深度学习；自编码器；

基金：国家科技重大专项(2018ZX03001026-002)

在大规模多输入多输出（Multiple-Input Multiple-Output，MIMO）系统中，基站根据用户反馈的信道状态信息进行自适应编码调制以提高频谱效率，因此需要将用户侧估计到的信道状态信息反馈到基站。由于反馈过程存在的延迟会降低系统性能，因此在考虑延迟的情况下，对基于深度学习的信道状态信息自编码器CsiNet进行改进，使用下行信道的延迟状态信息作为信道状态信息自编码器的期望输出信号来对自编码器进行训练，减少了反馈延迟误差的影响。仿真结果表明，在延迟为1时隙时，所提方案的归一化均方误差(Normalized Mean Square Error,NMSE)仅为自回归-主成分分析方案、基于压缩感知的方案和基于卷积神经网络的CsiNet方案的1/8~1/7，并且随着时隙增加，NMSE性能提升越明显。

来源：2020年第7期

《电讯技术》期刊编辑部

查看电讯技术杂志2020年第7期