基于全卷积网络的FDD大规模MIMO系统CSI反馈

作者：杨媛媛^*; 丁建军

来源：传感器与微系统, 2022, 41(03): 87-90.

DOI：10.13873/J.1000-9787(2022)03-0087-04

• 大规模MIMO
• CSI反馈
• 深度学习
• 全卷积网络
• 卷积神经网络
• 转置卷积神经网络

在频分双工(FDD)大规模多输入多输出(MIMO)系统中，为了确保通信质量，用户设备(UE)需要将信道状态信息(CSI)反馈给基站(BS)。随着天线数量的增加，CSI反馈开销急剧增加，使得BS获得准确CSI变得困难。为了降低反馈开销，提高反馈质量，采用深度学习(DL)方法，提出一种基于全卷积网络的信道反馈网络MCMTNet,该网络由三部分构成。卷积神经网络(CNN)将CSI压缩。转置CNN和精细密集连接网络分别进行初始恢复和最终恢复。仿真结果表明：提出的MCMTNet的性能优于传统压缩感知方法和现有基于深度学习的网络CsiNet, MCMTNet可以处理任意维数的信道数据，且训练参数更少，复杂度更低。

• 单位
  中兴通讯股份有限公司; 西安邮电大学; 通信与信息工程学院