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。