申请/专利权人：南通大学

申请日：2023-12-27

公开（公告）日：2024-04-02

公开（公告）号：CN117811633A

主分类号：H04B7/06

分类号：H04B7/06;H04L25/02;G06N3/042;G06N3/044;G06N3/045

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明涉及一种基于深度学习的轻量化端到端CSI获取方法，包括：首先生成训练轻量化端到端CSI获取网络HOPFNet的输入数据集，然后，将生成的输入数据集输入HOPFNet中，对HOPFNet进行训练，保存模型最佳权重。最后，基站端将训练完成的导频信号发送至用户端；用户端将接收到的导频信号输入CSI反馈编码器网络，得到压缩的导频信号，并将其通过反馈链路反馈回基站端；基站端将接收到的压缩的导频信号输入CSI反馈解码器网络，得到基站端到用户端的下行实时估计信道。本发明绕过了信道估计，实现了导频设计、信道压缩和信道重建的一体化设计，采用HOPFNet将计算复杂度降低到了线性水平，可获得较好的信道估计精度，也减少了反馈开销和计算复杂度。

主权项：1.一种基于深度学习的轻量化端到端CSI获取方法，其特征在于，包括以下步骤：S11、生成训练轻量化端到端CSI获取网络HOPFNet的输入数据集；S12、将生成的输入数据集输入HOPFNet中，对HOPFNet进行训练，保存模型最佳权重；HOPFNet包括：a导频设计网络模块、bCSI反馈编码器网络模块、cCSI反馈解码器网络模块；具体架构如下：a导频设计网络模块，由全连接层FC_1和Add操作构成，其中全连接层FC_1维度为L，层数设置为1，偏置设置为0，不设置激活函数，Add操作将全连接层FC_1的输出信号与加性高斯白噪声相加，K为子载波数目，L为导频信号长度；bCSI反馈编码器网络模块，由Flatten层和全连接层FC_2构成，其中Flatten层将维度为2×K×L的三维矩阵变换为维度为2KL×1的向量，全连接层FC_2的维度设置为M，其中M为码字压缩长度；cCSI反馈解码器网络模块，依次由全连接层FC_3、Reshape#1、HOPFA块和Reshape#2构成，其中全连接层FC_3的维度为2KNt，无偏置；Reshape#1将维度为2KNt×1的向量变换为维度为2K×Nt的矩阵；HOPFA块由输入嵌入、位置编码、前馈网络、残差连接和层归一化、基于正交随机特征的高速注意力机制HOPFA组成，其中输入嵌入的维度为Nt，前馈网络的维度为1024；Reshape#2将维度为2K×Nt的向量变换成维度为2×K×Nt的矩阵，K为子载波数目，Nt为基站天线数；S13、基站端将训练完成的导频设计网络的权重作为导频信号，将导频信号发送至用户端；用户端接收到导频信号后，将导频信号输入CSI反馈编码器网络模块，得到压缩的导频信号，并将压缩的导频信号通过反馈链路反馈回基站端；基站端将接收到的压缩的导频信号输入CSI反馈解码器网络模块，得到基站端到用户端的下行实时估计信道。

全文数据：

权利要求：

百度查询： 南通大学 一种基于深度学习的轻量化端到端CSI获取方法

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