电讯技术

作者：廖勇,罗渝,廖阳,叶彦劭

单位：(1.重庆大学 微电子与通信工程学院，重庆 400044;2.三峡高科信息技术有限责任公司，湖北 宜昌 443002;3.重庆大学 物理学院，重庆 401331)

关键词：车联网(IoV)；MIMO；OTFS；CSI反馈；时延-多普勒域；

基金：重庆市自然科学基金面上项目（CSTB2023NSCQ-MSX0025）

针对车联网场景下多入多出-正交时频空（Multiple-Input Multiple-Output-Orthogonal Time Frequency Space,MIMO-OTFS）系统的信道状态信息（Channel State Information,CSI）反馈问题，提出了一种面向时延-多普勒（Delay-Dopler,DD）域CSI反馈的时间差分架构Transformer网络（Time-differencing Architecture Delay-Doppler Transformer Network,TA-DD-TransNet）,引入分时反馈机制，将残差信息建模与压缩反馈相结合。网络结构融合Transformer的全局建模能力与卷积神经网络的局部特征提取优势，在保持CSI重构精度的同时显著降低了反馈比特数与计算复杂度。在不同车速、信噪比及非完美信道估计条件下的仿真实验结果表明，所提方法在归一化均方误差（Normalized Mean Squared Error,NMSE）和余弦相似度指标上均优于CsiNet、CsiNet+和BCsiNet。在60 km/h、30 dB信噪比、1/4压缩率下，TA-DD-TransNet的NMSE约-27 dB，余弦相似度达0.96。复杂度分析显示，TA-DD-TransNet在1/4压缩率下的编码器和解码器浮点运算次数分别为1.809×107和2.281×107，参数量均为8.4×106左右，显著低于CsiNet+。所提方法能满足车联网中对高可靠低时延通信的实际需求。

来源：2025年第5期

《电讯技术》期刊编辑部

查看电讯技术杂志2025年第5期