针对频分双工大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)通信系统中信道状态信息(Channel State Information,CSI)反馈方法复杂度高、精度低和开销大的问题,本文提出了一种基于深度学习的低复杂度CSI反馈方法.该方法通...针对频分双工大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)通信系统中信道状态信息(Channel State Information,CSI)反馈方法复杂度高、精度低和开销大的问题,本文提出了一种基于深度学习的低复杂度CSI反馈方法.该方法通过端到端的方式构建了一种从用户设备编码器到基站解码器相结合的网络结构.编解码器利用连续的平均池化层和上采样层完成特征图的降维和升维,同时引入深度可分离卷积神经网络减少网络参数量.在解码器部分,本文利用残差网络构建连续的拥有大卷积核的残差块逼近原始CSI矩阵.仿真结果表明,和已有的代表性方法相比,本文所提方法在归一化均方误差上有2 dB~5 dB的性能提升,在余弦相似度上也有2%~5%的提升,并且在时间复杂度和空间复杂度上均有更好的表现.展开更多
提出了自适应双工的思想,基于该思想设计了一种新型的自适应非对称频分双工(AFDD,asymmetric frequency division duplex)传输方案。该方案综合考虑了未来移动通信中上下行链路业务非对称的特点以及电磁辐射对移动通信可能造成的影响,...提出了自适应双工的思想,基于该思想设计了一种新型的自适应非对称频分双工(AFDD,asymmetric frequency division duplex)传输方案。该方案综合考虑了未来移动通信中上下行链路业务非对称的特点以及电磁辐射对移动通信可能造成的影响,提出了一种自适应非对称双工以及频带分配方案。该方案具备传统FDD系统的优点,同时又具备了一定的TDD系统资源动态自适应调配的能力,可以提高频谱利用率。将AFDD与CDMA结合,证明了其相对于传统上下行等带宽系统可以获得性能上的提升。展开更多
信道状态信息(Channel State Information,CSI)对于大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)发挥高性能至关重要。但在上下行传输信道不存在互易性的频分双工(Frequency Division Duplex,FDD)制式下,若采用传统的信道...信道状态信息(Channel State Information,CSI)对于大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)发挥高性能至关重要。但在上下行传输信道不存在互易性的频分双工(Frequency Division Duplex,FDD)制式下,若采用传统的信道估计方法会给CSI的获取带来巨大的导频开销和计算量。考虑利用大规模 MIMO 信道的虚角域稀疏性来减少获取CSI所需开销,在此基础上进一步研究了大规模 MIMO 正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统中各子载波信道在虚角域的共同稀疏特性和稀疏支撑集的时间相关特性,达到降低信道维度的目的,则大大减少了基站对 CSI 获取所需的资源开销。同时,为了降低信道稀疏支撑集信息获取所需的导频开销和提高信息的时效性,利用压缩感知技术对支撑集进行估计。仿真结果验证了所提方案性能的优越性。展开更多
文摘提出了自适应双工的思想,基于该思想设计了一种新型的自适应非对称频分双工(AFDD,asymmetric frequency division duplex)传输方案。该方案综合考虑了未来移动通信中上下行链路业务非对称的特点以及电磁辐射对移动通信可能造成的影响,提出了一种自适应非对称双工以及频带分配方案。该方案具备传统FDD系统的优点,同时又具备了一定的TDD系统资源动态自适应调配的能力,可以提高频谱利用率。将AFDD与CDMA结合,证明了其相对于传统上下行等带宽系统可以获得性能上的提升。
文摘信道状态信息(Channel State Information,CSI)对于大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)发挥高性能至关重要。但在上下行传输信道不存在互易性的频分双工(Frequency Division Duplex,FDD)制式下,若采用传统的信道估计方法会给CSI的获取带来巨大的导频开销和计算量。考虑利用大规模 MIMO 信道的虚角域稀疏性来减少获取CSI所需开销,在此基础上进一步研究了大规模 MIMO 正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统中各子载波信道在虚角域的共同稀疏特性和稀疏支撑集的时间相关特性,达到降低信道维度的目的,则大大减少了基站对 CSI 获取所需的资源开销。同时,为了降低信道稀疏支撑集信息获取所需的导频开销和提高信息的时效性,利用压缩感知技术对支撑集进行估计。仿真结果验证了所提方案性能的优越性。
文摘大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统的性能增益依赖可靠的信道估计,传统信道估计方案主要面向准静态场景,在用户高速移动场景中性能下降明显。本文研究频分双工(Frequency Division Duplex,FDD)大规模MIMO系统中的时变信道估计问题,利用信道向量在角度域的空时稀疏特性,提出软结构先验模型驱动的稀疏贝叶斯信道估计(Soft-Structured Prior Model based Sparse Bayesian Estimation,SSPM-SBE)方案,针对方案涉及的复杂贝叶斯估计问题,给出基于变分优化的低复杂度求解方法。SSPM-SBE方案能够充分利用当前和历史接收导频数据改善时变信道的估计性能,且无需信道大尺度信息的先验认知,仿真结果验证了方案的优越性。
