[發(fā)明專利]深度迭代神經(jīng)網(wǎng)絡(luò)用低秩CSI反饋方法、存儲介質(zhì)及設(shè)備

有效

• 申請?zhí)枺?/td>: 202011304130.6
• 申請日: 2020-11-19
• 公開（公告）號: CN112468203B
• 公開（公告）日: 2022-07-26
• 發(fā)明（設(shè)計(jì)）人: 薛江;郭建華
• 申請（專利權(quán)）人: 杭州勒貝格智能系統(tǒng)股份有限公司
• 主分類號: H04B7/06
• 分類號: H04B7/06;H04L1/06;G06N3/08;G06N3/04
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 高博

本發(fā)明公開了一種深度迭代神經(jīng)網(wǎng)絡(luò)用低秩CSI反饋方法、存儲介質(zhì)及設(shè)備，把FISTA展開為深度迭代神經(jīng)網(wǎng)絡(luò)；基于信道到的低秩性對信道矩陣進(jìn)行分解，得到信道的線性無關(guān)部分與其余部分；基于信道的線性無關(guān)部分與其余部分相互線性表出，重構(gòu)出重構(gòu)的低秩信道的線性無關(guān)部分得到其余部分的一個較優(yōu)初值；基于稀疏性與低秩信道其余部分的較優(yōu)初值，利用FISTA算法展開得到深度迭代神經(jīng)網(wǎng)絡(luò)分別重構(gòu)低秩信道的線性無關(guān)部分與其余部分；使用CSI壓縮反饋信息和測量矩陣訓(xùn)練網(wǎng)絡(luò)，利用訓(xùn)練好的網(wǎng)絡(luò)分別重構(gòu)出的低秩信道的線性無關(guān)部分與其余部分，重構(gòu)出完整的低秩CSI。本發(fā)明通過信道的低秩性分別重構(gòu)低秩信道矩陣的線性無關(guān)部分與其余部分，提高CSI重構(gòu)精度。

技術(shù)領(lǐng)域

本發(fā)明屬于技術(shù)領(lǐng)域，具體涉及一種深度迭代神經(jīng)網(wǎng)絡(luò)用低秩CSI反饋方法、存儲介質(zhì)及設(shè)備。

背景技術(shù)

大規(guī)模MIMO(Multi-input Multi-output)是5G和未來無線通信系統(tǒng)的重要技術(shù)之一。該技術(shù)通過在的信號接收端和發(fā)射端分別部署多根發(fā)射天線和接收天線，在基站獲得精準(zhǔn)的下行CSI(Channel State Information)的前提下，使得通信系統(tǒng)的頻譜效率更高、系統(tǒng)容量更大、魯棒性更強(qiáng)等優(yōu)點(diǎn)。

在TDD(Time Division Duplex)系統(tǒng)中，根據(jù)上下行信道的互易性，基站可以非常輕松的得到下行CSI。但在FDD(Frequency Division Duplex)系統(tǒng)中，由于上下行信道處在不同的頻帶，基站無法通過上行CSI直接獲取下行CSI，只能通過UE(User Equipment)反饋來獲取下行CSI。但由于大規(guī)模MIMO中天線數(shù)量龐大導(dǎo)致反饋開銷巨大。因此如何降低CSI反饋開銷成為亟需解決的問題。

基于信道的稀疏性，包括ISTA、AMP、LASSO等壓縮感知方法可以以較低壓縮比進(jìn)行CSI重構(gòu)。但由于這些算法中的很多操作都是手工設(shè)置的并且只是單一運(yùn)用信道稀疏性并沒有運(yùn)用低秩性，而很多情況下信道僅僅是近似稀疏但卻擁有低秩性，這使得CSI重構(gòu)的提升精度并不顯著。

近年來，深度學(xué)習(xí)在自然語言處理和計(jì)算機(jī)視覺等領(lǐng)域取得了顯著的成就，因此也逐漸成為了國內(nèi)外學(xué)者研究的熱點(diǎn)。近期，深度學(xué)習(xí)同樣也成功應(yīng)用到了無線物理層中，在CSI反饋問題上取得了初步的成效。目前使用深度網(wǎng)絡(luò)實(shí)現(xiàn)CSI反饋的方法大都是通過圖像處理中一些簡單模塊設(shè)計(jì)自動編碼器，從而提升CSI反饋重構(gòu)的精度。但是這些方法大多是數(shù)據(jù)驅(qū)動的，可解釋性并不強(qiáng)，并且對于數(shù)據(jù)較為敏感。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題在于針對上述現(xiàn)有技術(shù)中的不足，提供一種深度迭代神經(jīng)網(wǎng)絡(luò)用低秩CSI反饋方法、存儲介質(zhì)及設(shè)備，以模型驅(qū)動的方式來降低計(jì)算復(fù)雜度與反饋開銷，同時(shí)提高重構(gòu)精度。

本發(fā)明采用以下技術(shù)方案：

深度迭代神經(jīng)網(wǎng)絡(luò)用低秩CSI反饋方法，包括以下步驟：

S1、基于信道的低秩性對信道矩陣進(jìn)行分解，得到信道的線性無關(guān)部分與其余部分；

S2、利用終端與基站同步設(shè)定的測量矩陣，分別對步驟S1低秩信道矩陣的線性無關(guān)部分與其余部分進(jìn)行壓縮，并反饋至基站得到CSI的壓縮反饋信息；

S3、基于步驟S2得到的CSI壓縮反饋信息，基于信道矩陣的稀疏性，利用FISTA算法展開得到的深度迭代神經(jīng)網(wǎng)絡(luò)重構(gòu)低秩信道的線性無關(guān)部分，并根據(jù)信道矩陣的線性無關(guān)部分與其余部分的相互線性表出，得到信道矩陣其余部分的一個優(yōu)于最小二乘方法的初值；

S4、基于步驟S3得到的信道矩陣的其余部分的一個優(yōu)于最小二乘方法的一個優(yōu)于最小二乘方法的初值，再次利用FISTA算法展開得到的深度迭代神經(jīng)網(wǎng)絡(luò)重構(gòu)信道矩陣的其余部分；