信道状态信息(channel state information,CSI)的精确获取是大规模天线发挥效能的关键。在现有的通信系统中,上下行链路互易性不理想时,基于码本进行下行链路的CSI反馈。随着天线规模的增大,码本CSI反馈所需要的开销也越来越大。给出了...信道状态信息(channel state information,CSI)的精确获取是大规模天线发挥效能的关键。在现有的通信系统中,上下行链路互易性不理想时,基于码本进行下行链路的CSI反馈。随着天线规模的增大,码本CSI反馈所需要的开销也越来越大。给出了基于人工智能(artificial intelligence,AI)的CSI反馈压缩方法,分析了基于AI的CSI反馈的标准化影响、通信流程与面临的挑战,提供了评估结果。评估结果表明,相对于基于频域基向量压缩的码本CSI反馈,基于AI的CSI反馈在相同的反馈精度下可以显著地降低反馈开销。展开更多
为应对大规模多输入多输出(Multiple⁃input multiple⁃output,MIMO)系统中信道状态信息(Channel state information,CSI)反馈开销的日益增长,基于深度学习的CSI反馈网络(如Transformer网络)受到了广泛的关注,是一种非常有应用前景的智能...为应对大规模多输入多输出(Multiple⁃input multiple⁃output,MIMO)系统中信道状态信息(Channel state information,CSI)反馈开销的日益增长,基于深度学习的CSI反馈网络(如Transformer网络)受到了广泛的关注,是一种非常有应用前景的智能传输技术。为此,本文提出了一种基于数据聚类的CSI反馈Transformer网络的简化方法,采用基于聚类的近似矩阵乘法(Approximate matrix multiplication,AMM)技术,以降低反馈过程中Transformer网络的计算复杂度。本文主要对Transformer网络的全连接层计算(等效为矩阵乘法),应用乘积量化(Product quantization,PQ)和MADDNESS等简化方法,分析了它们对计算复杂度和系统性能的影响,并针对神经网络数据的特点进行了算法优化。仿真结果表明,在适当的参数调整下,基于MADDNESS方法的CSI反馈网络性能接近精确矩阵乘法方法,同时可大幅降低计算复杂度。展开更多
该文针对闭环多用户MIMO-OFDM系统提出一种基于线性预测的低速率CSI(Channel State Information)反馈方法。根据相关带宽将OFDM子载波划分成多个子带,移动台对每个子带的CSI作线性预测,并对预测误差进行量化编码后反馈给基站;基站使用...该文针对闭环多用户MIMO-OFDM系统提出一种基于线性预测的低速率CSI(Channel State Information)反馈方法。根据相关带宽将OFDM子载波划分成多个子带,移动台对每个子带的CSI作线性预测,并对预测误差进行量化编码后反馈给基站;基站使用相同的线性预测滤波器将反馈来的预测误差恢复成CSI,然后在每个子带上通过迫零-波束赋形实现多用户空间复用。同时,该文还在采用注水定理分配发射功率的条件下,从理论上分析了下行链路信道容量。数值仿真结果显示,每个反馈数据的实部或虚部仅用1bit量化时,本方法仍能够以较高的精度恢复CSI。与目前3GPP LTE标准所采用的基于码书的反馈方案相比,该方法能够在反馈开销相同情况下,有效地抑制同信道干扰,大幅提高系统容量。展开更多
干扰对齐实施过程中所需的大量反馈开销严重制约了其实际应用。反馈拓扑能够有效降低干扰对齐的信道状态信息(Channel State Information,CSI)获取开销。针对K用户多输入多输出(Multiple-Input Multiple-Output,MIMO)干扰信道,为了在低...干扰对齐实施过程中所需的大量反馈开销严重制约了其实际应用。反馈拓扑能够有效降低干扰对齐的信道状态信息(Channel State Information,CSI)获取开销。针对K用户多输入多输出(Multiple-Input Multiple-Output,MIMO)干扰信道,为了在低时延下进一步降低反馈拓扑的CSI开销,在用户数目相对较多的情况下(K≥6)提出了一种新的反馈拓扑结构。相比现有7种反馈拓扑中CSI开销最低的方案,所提反馈拓扑仅需其一半的时隙数目且在K≥7时具有更低的CSI开销。分析表明所提反馈拓扑能够实现CSI开销降低和时延缩减之间的有效折中。展开更多
文摘信道状态信息(channel state information,CSI)的精确获取是大规模天线发挥效能的关键。在现有的通信系统中,上下行链路互易性不理想时,基于码本进行下行链路的CSI反馈。随着天线规模的增大,码本CSI反馈所需要的开销也越来越大。给出了基于人工智能(artificial intelligence,AI)的CSI反馈压缩方法,分析了基于AI的CSI反馈的标准化影响、通信流程与面临的挑战,提供了评估结果。评估结果表明,相对于基于频域基向量压缩的码本CSI反馈,基于AI的CSI反馈在相同的反馈精度下可以显著地降低反馈开销。
文摘该文针对闭环多用户MIMO-OFDM系统提出一种基于线性预测的低速率CSI(Channel State Information)反馈方法。根据相关带宽将OFDM子载波划分成多个子带,移动台对每个子带的CSI作线性预测,并对预测误差进行量化编码后反馈给基站;基站使用相同的线性预测滤波器将反馈来的预测误差恢复成CSI,然后在每个子带上通过迫零-波束赋形实现多用户空间复用。同时,该文还在采用注水定理分配发射功率的条件下,从理论上分析了下行链路信道容量。数值仿真结果显示,每个反馈数据的实部或虚部仅用1bit量化时,本方法仍能够以较高的精度恢复CSI。与目前3GPP LTE标准所采用的基于码书的反馈方案相比,该方法能够在反馈开销相同情况下,有效地抑制同信道干扰,大幅提高系统容量。
文摘干扰对齐实施过程中所需的大量反馈开销严重制约了其实际应用。反馈拓扑能够有效降低干扰对齐的信道状态信息(Channel State Information,CSI)获取开销。针对K用户多输入多输出(Multiple-Input Multiple-Output,MIMO)干扰信道,为了在低时延下进一步降低反馈拓扑的CSI开销,在用户数目相对较多的情况下(K≥6)提出了一种新的反馈拓扑结构。相比现有7种反馈拓扑中CSI开销最低的方案,所提反馈拓扑仅需其一半的时隙数目且在K≥7时具有更低的CSI开销。分析表明所提反馈拓扑能够实现CSI开销降低和时延缩减之间的有效折中。
