[发明专利]基于深度学习大规模MIMO系统的叠加CSI反馈方法

摘要

本发明公开了基于深度学习大规模MIMO系统的叠加CSI反馈方法，用户端读取一段信道状态信息和一段上行数据；对信道状态信息扩频处理，得到扩频序列，对上行数据进行数字调制，得到上行调制序列；将扩频序列与上行调制序列进行加权叠加，得到叠加序列，用户端发射叠加序列，基站端接收得到接收序列；构建模型HDNet，模型HDNet包括信道状态信息估计模型和上行数据检测模型；初始化模型参数，离线训练模型HDNet，误差收敛后保存模型；在线接收信号，得到在线接收序列，根据在线接收序列，用训练好的模型HDNet恢复出信道状态信息的估计值，检测出上行数据的检测值。本发明的反馈不需要额外的频谱开销，可提高反馈CSI的恢复精度，并减小了系统的处理复杂度。

主权项

1.基于深度学习大规模MIMO系统的叠加CSI反馈方法，其特征在于，包括以下步骤：(1)用户端读取长度为N_H的信道状态信息H和长度为2N_D的上行数据D，对信道状态信息H进行扩频处理得到长度为N_D的扩频序列H_spread，对上行数据D进行数字调制得到长度为N_D的上行调制序列D_modulate；所述的信道状态信息H，扩频序列H_spread和上行调制序列D_modulate的元素均为复数；所述的上行数据D的元素均为二进制比特；(2)将扩频序列H_spread与上行调制序列D_modulate进行加权叠加得到长度为N_D的叠加序列S，用户端发射叠加序列S，基站端接收得到长度为N_D的接收序列R；所述的叠加序列S和接收序列R的元素均为复数；(3)构建模型HDNet，所述的模型HDNet包括信道状态信息估计模型f_H(R)和上行数据检测模型f_D(R)；(4)初始化模型HDNet参数，离线训练模型HDNet，误差收敛后保存模型；(5)在线接收信号，得到在线接收序列R_online，根据在线接收序列R_online，用训练好的模型HDNet恢复出信道状态信息的估计值检测出上行数据的检测值所述的信道状态信息的估计值的元素均为复数；所述的上行数据的检测值的元素均为二进制比特。