一种基于深度学习注意力机制的大规模MIMO信道状态信息压缩及重建方法

摘要

本发明公开了一种基于深度学习注意力机制的大规模MIMO信道状态信息压缩及重建方法，包括如下步骤：步骤一：对输入的信道矩阵做DFT变换；步骤二：构建DS‑NLCsiNet模型；步骤三：对模型进行训练，得到模型各层参数；步骤四：对模型的输出进行逆DFT变换。本发明一种基于深度学习注意力机制的大规模MIMO信道状态信息压缩及重建方法，从而能够高效提取远距离信道信息的关联性，同时以更少的参数提取更深层次的特征，大大提高了信道矩阵特征提取的效率。