南京邮电大学学报(自然科学版)

作者：陈发堂,戴东林,袁　立

单位：重庆邮电大学 通信与信息工程学院，重庆　400065重庆邮电大学 通信与信息工程学院，重庆　400065重庆邮电大学 通信与信息工程学院，重庆　400065

关键词：大规模MIMO；信道状态信息；注意力机制；卷积神经网络；多压缩率反馈

基金：重庆市自然科学基金(cstc2021jcyj msxmX0454)资助项目

在频分双工大规模多输入多输出(Multiple Input Multiple Output，MIMO)系统中，针对现有基于深度学习信道状态信息(Channel State Information，CSI)反馈方法重建精度低、未考虑量化损失以及压缩率固定的问题，提出一种基于注意力机制和密集连接卷积网络的多压缩率CSI反馈方案。该方法采用双重注意力机制提取CSI空间和时间相关性，串行全连接网络和密集连接卷积网络分别压缩和重构CSI。实验结果表明：在室内信道条件下，与基于卷积神经网络CsiNet相比，所提方法的参数量较少，归一化均方误差平均降低4.8dB。所提反馈方法仅8比特量化可实现与未量化相近的重建精度。

来源：2022年第06期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2022年第06期