一种基于深度学习的大规模MIMO信道状态信息反馈方法

摘要

本发明公开了一种基于深度学习的大规模MIMO信道状态信息反馈方法，首先在用户端，对MIMO信道状态信息在空频域的信道矩阵做二维离散傅立叶变换，获得在角延迟域稀疏的信道矩阵H；其次，构建包括编码器和译码器的模型CsiNet，其中编码器属于用户端，将信道矩阵H编码为更低维度的码字，译码器属于基站端，从码字重建出原信道矩阵估计值并对模型CsiNet进行训练，获得模型参数；然后，对CsiNet输出的重建信道矩阵进行二维逆DFT变换，恢复得到原始空频域的信道矩阵重建值；最后，将训练好的CsiNet模型用于信道信息的压缩感知和重建。本发明可以减小大规模MIMO信道状态信息反馈开销，且具有极高的信道重建质量和极快的重建速度。