电讯技术

作者：周围,向曾,刘是枭,陈黎,余明明,黎飞雨

单位：(1.重庆邮电大学 a.通信与信息工程学院;b.移动通信技术重庆市重点实验室，重庆 400065;2.维沃移动通信有限公司，广东 深圳 518049)

关键词：大规模MIMO；时变信道预测；深度学习；门控循环单元；全卷积神经网络；

基金：国家自然科学基金资助项目(61701062)；重庆市基础与前沿研究计划项目(cstc2019jcyj-msxmX0079)

提出了一种结合时间注意力机制与改进的2D全卷积神经网络-门控循环单元（2D-Fully Convolutional Neural Networks - Gated Recurrent Unit,2DFCNN-GRU）模型的信道状态信息（Channel State Information,CSI）预测方法，通过特征金字塔网络（Feature Pyramid Network,FPN）提取时变信道特征，并结合U-Net架构进行特征融合。利用GRU进行离线训练，并引入卡尔曼滤波器实现在线实时预测。在多用户大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）通信系统中，通过模拟分析了CSI参考信号周期与用户移动速度对系统性能的影响，并对比了不同预测方法的精度与复杂度。仿真结果表明，所提方法在30 km/h和60 km/h的用户速度下均显著优于传统方法，特别是在较大CSI参考信号周期下对小区边缘用户吞吐量的提升效果更为显著。

来源：2025年第12期

《电讯技术》期刊编辑部

查看电讯技术杂志2025年第12期