申请/专利权人：东南大学;网络通信与安全紫金山实验室

申请日：2020-10-09

公开（公告）日：2021-01-12

公开（公告）号：CN112217750A

主分类号：H04L25/02(20060101)

分类号：H04L25/02(20060101);H04B17/30(20150101);H04B7/0413(20170101);G06N3/04(20060101)

优先权：

专利状态码：有效-授权

法律状态：2022.10.21#授权;2021.01.29#实质审查的生效;2021.01.12#公开

摘要：本发明一种基于卷积神经网络的信道统计信息估计方法，首先通过频分双工FDD大规模多输入多输出MIMO系统历史上、下行实时信道状态信息CSI，计算出统计CSI作为训练数据集；利用训练数据集对卷积神经网络进行训练，得到训练完成的卷积神经网络；最后，将训练完成的卷积神经网络部署在基站，基站获得上行统计CSI后，输入卷积神经网络估计出下行统计CSI。本方法利用卷积神经网络，挖掘FDD系统上行统计CSI和下行统计CSI之间的非线性关系，建立上行统计CSI和下行统计CSI之间的映射。基于这种映射关系，基站仅使用上行统计CSI，利用卷积神经网络估计得到下行统计CSI，以此减少基FDD站获取下行CSI的开销。

主权项：1.一种基于卷积神经网络的信道统计信息估计方法，其特征在于，首先通过频分双工FDD大规模多输入多输出MIMO系统历史上、下行实时信道状态信息CSI，计算出统计CSI作为训练数据集；利用训练数据集对卷积神经网络进行训练，得到训练完成的卷积神经网络；最后，将训练完成的卷积神经网络部署在基站，基站获得上行统计CSI后，输入卷积神经网络估计出下行统计CSI。

全文数据：

权利要求：

百度查询： 东南大学;网络通信与安全紫金山实验室 基于卷积神经网络的信道统计信息估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD