CN113938952A - 信道状态信息压缩方法、重建方法、装置及计算机设备 - Google Patents

信道状态信息压缩方法、重建方法、装置及计算机设备 Download PDF

Info

Publication number
CN113938952A
CN113938952A CN202111223208.6A CN202111223208A CN113938952A CN 113938952 A CN113938952 A CN 113938952A CN 202111223208 A CN202111223208 A CN 202111223208A CN 113938952 A CN113938952 A CN 113938952A
Authority
CN
China
Prior art keywords
channel state
state information
matrix
principal component
initial channel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111223208.6A
Other languages
English (en)
Other versions
CN113938952B (zh
Inventor
马少丹
邓长兴
陈晓红
张环
周炳贵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Macau
Original Assignee
University of Macau
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Macau filed Critical University of Macau
Priority to CN202111223208.6A priority Critical patent/CN113938952B/zh
Publication of CN113938952A publication Critical patent/CN113938952A/zh
Application granted granted Critical
Publication of CN113938952B publication Critical patent/CN113938952B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本申请提供信道状态信息压缩方法、重建方法、装置及计算机设备。该信道状态信息压缩方法包括：获取对应时延‑角度域的初始信道状态信息矩阵及对应的均值；将初始信道状态信息矩阵中各时延向量标记为不同的布尔值，得到标记信息；保留初始信道状态信息矩阵中的主成分向量，得到第一主成分矩阵，其中，主成分向量为布尔值为0的时延向量；将第一主成分矩阵压缩为码字；将码字、标记信息以及初始信道状态信息矩阵对应的均值发送至基站端，以使基站端根据码字、标记信息以及初始信道状态信息矩阵对应的均值重建目标信道状态信息矩阵。本申请可以精确重建高压缩下信道状态信息，降低重建过程中的参数量和计算量，减少反馈开销和计算成本。

Description

信道状态信息压缩方法、重建方法、装置及计算机设备
技术领域
本申请涉及通信技术领域，尤其涉及信道状态信息压缩方法、重建方法、装置及计算机设备。
背景技术
多进多出(Multiple-Input Multiple-Output，简称MIMO)系统是第五代通信的关键技术之一，能够显著增加系统的吞吐量和能量效率。对于频分复用(Frequency-DivisionDuplexing,FDD)系统，需要用户端先估计出下行信道的状态信息(Channel StateInformation,简称CSI)再反馈给基站端。为了减少反馈开销，需要在用户端将下行CSI压缩后再传输，并在基站端还原。基站端还原下行CSI的准确率直接影响MIMO系统的效率。
目前提出的大规模MIMO系统CSI压缩反馈方案有两种，一是基于传统压缩感知的方法；二是基于深度学习的方法。基于传统压缩感知的方法的重建精度较低且高度依赖信道的稀疏性。而基于深度学习的方法将CSI的压缩和还原过程视为编码和解码，其在低压缩率下表现良好，但是高压缩率下CSI的重建精度较低，会丢失CSI中部分重要的细节信息，并且随着CSI矩阵维度的增长，重建过程中的参数量和计算量呈线性增长，从而增加用户端的资源开销。
发明内容
为了解决上述技术问题，本发明提供了信道状态信息压缩方法、重建方法、装置及计算机设备，具体方案如下：
第一方面，本申请实施例提供了一种信道状态信息压缩方法，所述方法包括：
获取对应时延-角度域的初始信道状态信息矩阵及所述初始信道状态信息矩阵的均值，其中，所述均值等于矩阵中所有元素的平均值；
将所述初始信道状态信息矩阵中各时延向量标记为不同的布尔值，得到标记信息，其中，各时延向量对应的布尔值为0或1，所述标记信息包括各时延向量在所述初始信道状态信息矩阵中的行列信息；
保留所述初始信道状态信息矩阵中的主成分向量，得到第一主成分矩阵，其中，所述主成分向量为布尔值为0的时延向量；
将所述第一主成分矩阵压缩为码字；
将所述码字、所述标记信息以及所述初始信道状态信息矩阵对应的均值发送至基站端。
根据本申请公开的一种具体实施方式，将所述初始信道状态信息矩阵中各时延向量标记为不同的布尔值，得到标记信息的步骤，包括：
将所述初始信道状态信息矩阵进行归一化处理；
计算归一化处理后的初始信道状态信息矩阵中，各所述时延向量减去矩阵均值后对应的范数；
基于各时延向量减去矩阵均值后对应的范数，标记各时延向量的布尔值，得到所述初始信道状态信息矩阵对应的所述标记信息，其中，范数小于或等于第一阈值的时延向量对应的布尔值标记为1，范数大于所述第一阈值的时延向量的布尔值标记为0。
根据本申请公开的一种具体实施方式，所述第一阈值的确定步骤，包括：
将归一化处理后的初始信道状态信息矩阵中，各时延向量减去矩阵均值后对应的范数进行升序排列，得到升序后的范数序列；
将所述范数序列中的任一前k个范数确定为目标范数，删除目标范数对应的全部时延向量，得到各k值对应的第一信道状态信息矩阵并计算对应的能量残差比，其中，n为所述初始信道状态信息矩阵中时延向量的总数，k为小于n的任一整数；
将大于或者等于第二阈值的能量残差比对应的最大k值对应的范数确定为所述第一阈值。
根据本申请公开的一种具体实施方式，将所述第一主成分矩阵压缩为码字的步骤，包括：
将所述第一主成分矩阵输入压缩模型；
根据所述压缩模型中的卷积核的尺寸，在所述第一主成分矩阵各边缘行和边缘列外均填充b行/列零值，其中，b＝((s-1)*input-s+c)/2，卷积核的大小为c，input为所述第一主成分矩阵的大小，s为卷积核的滑动步长；
将零填充后的第一主成分矩阵输入到所述压缩模型的卷积层并进行平铺，得到一维向量；
通过所述压缩模型中的全连接层将所述一维向量进行数据降维，得到所述码字。
第二方面，本申请实施例提供了一种信道状态信息重建方法，用于重建第一方面中任一项实施例所述的信道状态信息压缩方法获取的初始信道状态信息矩阵，所述方法包括：
接收用户端发送的码字、标记信息以及初始信道状态信息矩阵对应的均值；
将所述码字重建为第二主成分矩阵；
基于所述标记信息和所述初始信道状态信息矩阵对应的均值，对所述第二主成分矩阵进行插值，得到目标信道状态信息矩阵。
根据本申请公开的一种具体实施方式，将所述码字重建为第二主成分矩阵的步骤，包括：
将所述码字进行数据扩增，得到第二信道状态信息矩阵；
通过至少两层残差模块依次恢复所述第二信道状态信息矩阵对应的特征信息，其中，不同的残差模块用于恢复不同频率范围的特征信息，所述特征信息用于表征信道状态信息在空间-频谱域的相关性强弱；
将各层残差模块恢复的全部特征信息进行融合，得到所述第二主成分矩阵。
根据本申请公开的一种具体实施方式，l为所述残差模块的层数，通过至少两层残差模块依次恢复所述第二信道状态信息矩阵对应的特征信息的步骤，包括：
i＝1时，第i层残差模块接收所述第二信道状态信息矩阵，并基于所述第二信道状态信息矩阵对应的数据流进行上采样和卷积，得到第一分辨率数据流；
第i层残差模块将第二信道状态信息矩阵对应的数据流与下采样后的第i分辨率数据流相减，得到第i下行数据流并输出至第i+1层残差模块；
1＜i＜l时，第i层残差模块将接收到的所述第i-1下行数据流进行上采样和卷积，得到第i分辨率数据流，其中，i为整数；
第i层残差模块将所述第i-1分辨率数据流与下采样后的第i分辨率数据流相减，得到第i下行数据流并输出至第i+1层残差模块；
i＝l时，第i层残差模块将接收到的所述第i-1下行数据流进行上采样和卷积，得到第i分辨率数据流。
根据本申请公开的一种具体实施方式，基于所述标记信息和所述初始信道状态信息矩阵对应的均值，对所述第二主成分矩阵进行插值，得到目标信道状态信息矩阵的步骤，包括：
根据所述标记信息中的行列信息，将布尔值为1的时延向量在所述第二主成分矩阵中的对应位置确定为目标位置；
将所述均值插入所述第二主成分矩阵中的所述目标位置，得到目标信道状态信息矩阵。
第三方面，本申请实施例提供了一种信道状态信息压缩装置，所述装置包括：
获取模块，用于获取对应时延-角度域的初始信道状态信息矩阵及所述初始信道状态信息矩阵的均值；
标记模块，用于将所述初始信道状态信息矩阵中各时延向量标记为不同的布尔值，得到标记信息，其中，各时延向量对应的布尔值为0或1，所述标记信息包括各时延向量在所述初始信道状态信息矩阵中的行列信息；
保留模块，用于保留所述初始信道状态信息矩阵中的主成分向量，得到第一主成分矩阵，其中，所述主成分向量为布尔值为0的时延向量；
压缩模块，用于将所述第一主成分矩阵压缩为码字；
发送模块，用于将所述码字、所述标记信息以及所述初始信道状态信息矩阵对应的均值发送至基站端。
第四方面，本申请实施例提供了一种信道状态信息压缩装置，用于重建第一方面中任一项实施例所述的信道状态信息压缩方法获取的初始信道状态信息矩阵，所述装置包括：
接收模块，用于接收用户端发送的码字、标记信息以及初始信道状态信息矩阵对应的均值；
重建模块，用于将所述码字重建为第二主成分矩阵；
插值模块，用于基于所述标记信息和所述初始信道状态信息矩阵对应的均值，对所述第二主成分矩阵进行插值，得到目标信道状态信息矩阵。
第五方面，本申请实施例提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上执行时实现第一方面中任一项实施例所述的方法或第二方面中任一项实施例所述的方法。
第六方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序在处理器上执行时实现第一方面中任一项实施例所述的方法或第二方面中任一项实施例所述的方法。
相对于现有技术而言，本申请具有以下有益效果：
本申请提供的信道状态信息压缩方法包括：获取对应时延-角度域的初始信道状态信息矩阵及初始信道状态信息矩阵的均值；将初始信道状态信息矩阵中各时延向量标记为不同的布尔值，得到标记信息；保留初始信道状态信息矩阵中的主成分向量，得到第一主成分矩阵，其中，主成分向量为布尔值为0的时延向量；将第一主成分矩阵压缩为码字；将码字、标记信息以及初始信道状态信息矩阵对应的均值发送至基站端，以使基站端根据码字、标记信息以及初始信道状态信息矩阵对应的均值重建目标信道状态信息矩阵。本申请可以精确重建高压缩下信道状态信息，降低重建过程中的参数量和计算量，减少反馈开销和计算成本。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
图1为本申请实施例提供的一种信道状态信息压缩方法的流程示意图；
图2为未采用零填充的卷积操作的示意图；
图3为采用零填充的卷积操作的示意图；
图4为本申请实施例提供的一种信道状态信息重建方法的流程示意图；
图5为本申请实施例提供的一种信道状态信息重建方法涉及的重建模型中模块B的模块框图之一；
图6为本申请实施例提供的一种信道状态信息重建方法涉及的重建模型中模块B的模块框图之二；
图7为本申请实施例提供的一种信道状态信息压缩装置的模块框图；
图8为本申请实施例提供的一种信道状态信息重建装置的模块框图。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
在下文中，可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互结合。
参见图1，为本申请实施例提供的一种信道状态信息压缩方法的流程示意图，如图1所示，所述方法主要包括：
步骤S101，获取对应时延-角度域的初始信道状态信息矩阵及所述初始信道状态信息矩阵的均值，其中，所述均值等于矩阵中所有元素的平均值。
信道状态信息(Channel State Information,简称CSI)矩阵，也称为信道矩阵，可以表示为H。初始信道状态信息矩阵H包括多个在时延-角度域上的时延向量，可以表示为h，则H可表示为H＝[h1,h2,...,hn]T，其中hn表示初始信道状态信息矩阵H中第n个时延向量。可以理解的是，对于不同的应用场景和实际需求，获取的初始信道状态信息矩阵H并不仅限于时延-角度域，由时延域、频域、空间域、角度域或多普勒域组成的二维信道信息矩阵也适用，这里不作进一步地限定。
在获取到初始信道状态信息矩阵H后，计算初始信道状态信息矩阵H的均值，均值可以理解为各时延向量的平均值，可以一定程度上表征矩阵的特征。在后续压缩和重建过程中，针对被省略的部分，就可以基于该均值对初步重建的矩阵进行插值，以使得恢复后的矩阵尽量保留压缩前原矩阵的特征。
以图像为例，对单独一帧原始图片进行压缩时，仅针对图像中的关键像素点或者区块进行压缩，而非关键像素点可以不压缩，以减少计算量。将关键像素点恢复后，再利用原始图像中全部像素点的平均值填充对应位置的像素值，可以在减少压缩信息量和重建信息量的基础上，最大程度地恢复原图像。
步骤S102，将所述初始信道状态信息矩阵中各时延向量标记为不同的布尔值，得到标记信息，其中，各时延向量对应的布尔值为0或1，所述标记信息包括各时延向量在所述初始信道状态信息矩阵中的行列信息。
通过将初始信道状态信息矩阵中各时延向量标记为不同的布尔值，可以通过布尔值来区分不同的时延向量对初始信道状态信息矩阵的特征贡献程度或者重要程度等。
可以先计算初始信道状态信息矩阵H中，各时延向量减去矩阵均值后对应的范数。范数定义为向量中所有元素的平方和的开方值，对于向量
Figure BDA0003313391750000111
其范数可以表示为，
Figure BDA0003313391750000112
其中，
Figure BDA0003313391750000113
为范数，ai为向量
Figure BDA0003313391750000114
中的第i个元素。
对于两个向量，
Figure BDA0003313391750000115
和
Figure BDA0003313391750000116
对应的范数可以认为是空间中两点之间的距离。
基于各时延向量减去矩阵均值后对应的范数，标记各时延向量的布尔值，得到初始信道状态信息矩阵H对应的标记信息m。其中，范数小于或等于第一阈值的时延向量对应的布尔值标记为1，范数大于所述第一阈值的时延向量的布尔值标记为0，标记信息m可以根据初始信道状态信息矩阵H的形式H＝[h1,h2,...,hn]T类似表示为[101...011]T。一般地，在进行条件判断时，判断结果有两种：真和假，分别用1和0，这两个值就表示布尔值。
具体实施时，可以在获取到初始信道状态信息矩阵H后，对初始信道状态信息矩阵H进行归一化处理。即将初始信道状态信息矩阵H中各时延向量统一映射到[0,1]区间上，将时延向量转化为0和1之间的小数，可以提升数据处理速度和精度。
具体实施时，用于区分时延向量的第一阈值的确定步骤，包括：
将归一化处理后的初始信道状态信息矩阵H中，各时延向量减去矩阵均值后对应的范数进行升序排列，得到升序后的范数序列；
将所述范数序列
Figure BDA0003313391750000121
中的任一前k个范数确定为目标范数，删除目标范数对应的全部时延向量，得到各k值对应的第一信道状态信息矩阵H1并计算对应的能量残差比γk，其中，n为所述初始信道状态信息矩阵H中时延向量的总数，k为小于n的任一整数；
将大于或者等于第二阈值的能量残差比对应的最大k值对应的范数确定为所述第一阈值。
由于范数是一个开方值，在排序时可以计算每个时延向量减去矩阵均值后的范数的平方值，并进行升序排列，得到对应的范数序列
Figure BDA0003313391750000122
其中，hn'表示升序排列后的全部时延向量中的第n个时延向量；
能量残差比γk的计算公式为：
Figure BDA0003313391750000123
将大于或者等于第二阈值的能量残差比对应的最大k值对应的范数确定为所述第一阈值。能量残差比γk的第二阈值可以根据信道环境复杂程度、信道状态信息重建精度的要求以及用户端的存储和计算能力进行自定义，例如可以设置为98％，这里不做具体限定。
具体实施时，还可以将初始信道状态信息矩阵H中各时延向量对应的位置，即行列信息与标记信息关联，并在后续处理过程中一并发送至基站端。基站端根据标记信息中的行列信息找到需要进行插值的位置，以提高重建精度。
步骤S103，保留所述初始信道状态信息矩阵中的主成分向量，得到第一主成分矩阵，其中，所述主成分向量为布尔值为0的时延向量。
考虑到不同布尔值的时延向量对矩阵的重要性，将时延向量分为主成分向量，和重要性或者贡献程度相对较低的非成分向量。具体的，可以将布尔值为0的时延向量定义为主成分向量，即主成分向量对应的范数大于第一阈值。主成分向量类似需要进行压缩的原始图像中的关键像素点。保留初始信道状态信息矩阵H中的主成分向量，将得到的矩阵定义为第一主成分矩阵
Figure BDA0003313391750000131
可以理解的是，k越大，用户端的压缩模型占用的存储和计算资源越小。例如，若用户端得到的是一个2x32x32的初始信道状态信息矩阵H，那么需要进行压缩的数据量为2x32x32＝2048。其中，2、32、32分别表示CSI的实虚部，时延和角度。若前文所述的对应第一阈值的最大k值为18，第一主成分矩阵H1 *中需要进行压缩的数据量仅为2x(32-18)x32＝896，相较于未做任何处理的初始信道状态信息矩阵H减少了56.25％。
步骤S104，将所述第一主成分矩阵压缩为码字。
将原矩阵保留主成分矩阵，得到第一主成分矩阵后，主成分矩阵基本覆盖了原矩阵的主要内容，将此第一主成分矩阵压缩，即可认为得到了原矩阵的压缩内容。具体处理时，可以用常规的压缩方式将该第一主成分矩阵压缩为数据信息，当然也可以通过压缩模型将所述第一主成分矩阵
Figure BDA0003313391750000141
压缩为码字v。其中，码字是指编码后的信号，由若干个码元组成，通信中通常表现为若干位二进制代码。压缩模型包括两层用于特征提取的卷积层和一层用于数据降维的全连接层。
在卷积的过程中，卷积层中的卷积核将第一主成分矩阵H1 *按照从左到右，由上到下的顺序选取与卷积核同等尺寸的一部分，每一部分中的值与卷积核中的值对应相乘后求和，最后的结果组成一个矩阵。如图2为未采用零填充的卷积操作的示意图，直接采用未填充的第一主成分矩阵
Figure BDA0003313391750000142
进行卷积，由于第一主成分矩阵
Figure BDA0003313391750000143
的边缘行和边缘列中的元素不会位于卷积核中心，而卷积核也不能扩展到边缘行和边缘列以外的区域，卷积后的得到的矩阵损失了部分值。为解决这个问题，可以在进行卷积操作前，对输入的第一主成分矩阵
Figure BDA0003313391750000144
进行边界填充，即在矩阵的边界上填充一些零值，以增加卷积后得到的矩阵的大小。参见图3，图3为采用零填充的卷积操作的示意图。
具体实施时，可以根据所述压缩模型中的卷积核的尺寸，在所述第一主成分矩阵各边缘行和边缘列外均填充b行/列零值，其中，b＝((s-1)*input-s+c)/2，卷积核的大小为c，input为所述第一主成分矩阵
Figure BDA0003313391750000151
的大小，s为卷积核的滑动步长。滑动卷积核时，我们会先从第一主成分矩阵
Figure BDA0003313391750000152
的左上角开始，每次往右滑动s列或者往下滑动s行逐一计算输出。通过对第一主成分矩阵
Figure BDA0003313391750000153
进行零填充，使得卷积核在扫描时可以超出第一主成分矩阵
Figure BDA0003313391750000154
对应的边界，并使得卷积后得到矩阵的尺寸与第一主成分矩阵
Figure BDA0003313391750000155
一致。
将零填充后的第一主成分矩阵
Figure BDA0003313391750000156
输入到所述压缩模型的卷积层并进行平铺，得到一维向量，通过所述压缩模型中的全连接层将所述一维向量进行数据降维，得到所述码字。
具体实施时，每个卷积操作后使用BatchNorm来降低模型训练误差，使用非线性函数LeakyReLU来增加模型拟合非线性数据的能力。将三维的矩阵铺平到一维向量，并根据压缩率设置全连接层的神经元个数，将铺平后的CSI压缩到维度更低的码字v。
步骤S105，将所述码字、所述标记信息以及所述初始信道状态信息矩阵对应的均值发送至基站端。
用户端将压缩后的码字v、标记信息m以及初始信道状态信息矩阵H对应的均值发送至基站端，以使基站端基于重建模型将码字v初步重建为矩阵后，基于标记信息m中记录的初始信道状态信息矩阵H中各时延向量的行列参数，确定在压缩前被删除的布尔值为1的时延向量对应的位置，并将初始信道状态信息矩阵H对应的均值填充到对应的位置，得到重建后的信道状态信息矩阵。
本申请提供的信道状态信息压缩方法通过压缩初始信道状态信息矩阵中的主成分向量，并通过标记信息记录初始信道状态信息矩阵中各时延向量的行列参数，可以在减少压缩数据量的基础上，确保基站端可以根据标记信息和初始信道状态信息矩阵的均值，实现高压缩下信道状态信息的精确重建。
与上述的信道状态信息压缩方法相对应，参见图4，为本申请实施例提供的一种信道状态信息重建方法的流程示意图，用于重建上述信道状态信息压缩方法获取的初始信道状态信息矩阵。如图4所示，所述方法主要包括：
步骤S401，接收用户端发送的码字、标记信息以及初始信道状态信息矩阵对应的均值。
步骤S402，将所述码字重建为第二主成分矩阵。
依据上述实施例可知，码字为包含对应主成分向量的编码信息，标记信息对应初始信道状态信息矩阵H中各时延向量，初始信道状态信息矩阵H的均值代表了各时延向量的平均值，可以一定程度上表征矩阵的特征。基站端为了重建得到压缩前的初始信道状态信息矩阵H，可以利用重建模型来进行重建，其中，码字用于重建初始信道状态信息矩阵H的主要部分，即第二主成分矩阵。
步骤S403，基于所述标记信息和所述初始信道状态信息矩阵对应的均值，对所述第二主成分矩阵进行插值，得到目标信道状态信息矩阵。
下面将结合一种具体实施方式，解释利用重建模型来重建矩阵的过程。
重建模型包括A、B和C三个不同的模块，其中，模块A用于将基站端接收到的码字v映射到低分辨率矩阵，模块B用于实现超分辨率CSI矩阵，模块C用于融合特征并输出重建的信道状态信息矩阵。在具体实施时，所述模块B可使用能够同时恢复高低频信息的超分辨率模型实现。
先将码字v输入到模块A，模块A包含一个64x90的全连接层和一个3x3的卷积层。码字v首先经过全连接层扩增数据，然后将大小为90x1的向量转换成6x15的二维矩阵，并使用64个一通道卷积核提取初步特征，得到64x6x15的多通道矩阵，即第二信道状态信息矩阵H2。然后，通过至少两层残差模块依次恢复所述第二信道状态信息矩阵H2对应的特征信息，其中，不同的残差模块用于恢复不同频率范围的特征信息，再将各层残差模块恢复的全部特征信息发送至模块C进行融合，得到所述第二主成分矩阵
Figure BDA0003313391750000171
具体实施时，同一个第二信道状态信息矩阵H2中，需要恢复的低频信息和高频信息的复杂程度是不一样的，因此在对这两部分频率信息或特征信息进行恢复的时候，应该使用具有不同复杂度或深度的网络结构。如果对这两部分特征信息使用同样的网络结构进行恢复，会使得低频率的特征信息过拟合，而高频率的特征信息欠拟合。所以，考虑到特征分布在不同的频带中有所不同，低频率的特征信息应该通过简单的恢复函数进行恢复，高频率的特征信息应该通过复杂的恢复函数进行恢复。
参见图5，图5为本申请实施例提供的一种信道状态信息重建方法涉及的重建模型中模块B的模块框图之一。具体实施时，实现超分辨率CSI矩阵的模块B包括多层残差模块。不同的残差模块用于恢复不同频率范围的特征信息。其中，特征信息用于表征信道状态信息在空间-频谱域的相关性强弱。相关性表示的是两相关变量之间线性关系的强度和方向，即各信道状态信息之间的相似程度。在具体实施时，若步骤S101中获取是对应非时延-角度域的其他域的初始信道状态信息矩阵H，例如由时延域、频域、空间域、角度域或多普勒域组成的二维信道信息矩阵。那么，可以理解的是，此时所恢复的特征信息则用于表征信道状态信息在其他对应域的相关性强弱。不同层的残差模块用于恢复不同强度相关性的特征信息。定义l为所述残差模块的层数，通过至少两层残差模块依次恢复所述第二信道状态信息矩阵H2对应的特征信息的步骤，根据不同层的残差模块，可以分为以下几种情况：
1.i＝1时，第i层残差模块接收所述第二信道状态信息矩阵，并基于所述第二信道状态信息矩阵H2对应的数据流进行上采样和卷积，得到第一分辨率数据流；
第i层残差模块将第二信道状态信息矩阵H2对应的数据流与下采样后的第i分辨率数据流相减，得到第i下行数据流并输出至第i+1层残差模块。
2.1＜i＜l时，第i层残差模块将接收到的所述第i-1下行数据流进行上采样和卷积，得到第i分辨率数据流，其中，i为整数；
第i层残差模块将所述第i-1分辨率数据流与下采样后的第i分辨率数据流相减，得到第i下行数据流并输出至第i+1层残差模块。
3.i＝l时，第i层残差模块将接收到的所述第i-1下行数据流进行上采样和卷积，得到第i分辨率数据流。
其中，将第i-1分辨率数据流与下采样后的第i分辨率数据流相减，可以得到两个数据流之间的残差，这个残差包括了第i层残差模块无法恢复的特征信息。所以，将第i-1分辨率数据流与下采样后的第i分辨率数据流相减就能得到当前层残差模块尚不能恢复的特征信息。具体实施时，各残差模块也包含三个卷积操作，将前文所述的两个数据流之间的残差输入到下一层残差模块之前，可以依次进行三个卷积操作，进一步提升整个重建模型的处理性能。残差模块中所应用的卷积层包括卷积核、BatchNorm和PReLU的组合结构，均对输入前的矩阵进行零填充，使得矩阵大小保持恒定。
参见图6，图6为本申请实施例提供的一种信道状态信息重建方法涉及的重建模型中模块B的模块框图之二。具体实施时，可以将两个相邻层残差模块输出的分辨率数据流进行递归融合，并进行卷积操作。通过上述操作，较深层的残差模块对应的分辨率数据流可以帮助改善较浅层残差模块的输出的分辨率数据流。具体地，递归融合的计算公式为：
Oi＝f(Oi+Oi+1)，
其中，Oi为第i分辨率数据流，Oi+1为第i+1分辨率数据流，f代表卷积层。相较于直接简单的求和，递归融合可以平滑地处理各层残差模块输出的分辨率数据流，从而使重建模型更好地得到重建后的矩阵。
具体实施时。前文所述的压缩和重建模型采用端到端的训练方式以及Adam优化器，初始模型参数服从正态分布，训练批次大小设为64，学习率设为10-4，并以归一化均方误差为损失函数，其训练过程如下：
Figure BDA0003313391750000201
其中θe、θd分别表示压缩模型和重建模型的训练参数，大小均为2x14x32。
模块C是将各层残差模块输出的数据流进行融合，得到第二主成分矩阵
Figure BDA0003313391750000202
而第二主成分矩阵
Figure BDA0003313391750000203
对应的是压缩模型的输入，即第一主成分矩阵
Figure BDA0003313391750000204
相较于用户端获取的初始信道状态信息矩阵H，重建得到的第二主成分矩阵
Figure BDA0003313391750000205
缺失了压缩前删除的非主成分向量，即布尔值为1的时延向量。所以，此时所得到的矩阵与初始信道状态信息矩阵H的大小并不一致，损失了用户端没有压缩的时延向量。可以通过该均值在对应的位置进行插值，得到与初始信道状态信息矩阵H大小一致且并未损失关键信息的目标信道状态信息矩阵
Figure BDA0003313391750000208
具体地，可以根据接受到的标记信息中的行列信息，将布尔值为1的时延向量在第二主成分矩阵中的对应位置确定为目标位置。然后将初始信道状态信息矩阵H的均值插入第二主成分矩阵
Figure BDA0003313391750000206
中的目标位置，得到对应初始信道状态信息矩阵H的目标信道状态信息矩阵
Figure BDA0003313391750000207
以图像为例，上述实施过程可以理解为压缩模型仅针对图像中的关键像素点或者区块进行压缩，而非关键像素点可以不压缩，减少计算量。待重建模型恢复关键像素点后，用原图像中全部像素点的平均值填充对应位置的像素值，可以在减少压缩信息量和重建信息量的基础上，最大程度地恢复原图像。
本申请提供的信道状态信息重建方法，通过多层残差模块逐层恢复初始信道状态信息矩阵中不同频率范围的特征信息，进而达到高压缩下，精确重建初始信道状态信息矩阵的效果。同时，通过保留初始状态信息矩阵中的主成分向量并标记各时延向量在初始信道状态信息矩阵中的行列信息的方法，减少需要压缩和重建的时延向量的数量，从而有效减少用户端压缩模型的参数量和计算量。
与上述方法实施例相对应，参见图7，本发明还提供一种信道状态信息压缩装置700，所述信道状态信息压缩装置700包括：
获取模块701，用于获取对应时延-角度域的初始信道状态信息矩阵及所述初始信道状态信息矩阵的均值；
标记模块702，用于将所述初始信道状态信息矩阵中各时延向量标记为不同的布尔值，得到标记信息，其中，各时延向量对应的布尔值为0或1，所述标记信息包括各时延向量在所述初始信道状态信息矩阵中的行列信息；
保留模块703，用于保留所述初始信道状态信息矩阵中的主成分向量，得到第一主成分矩阵，其中，所述主成分向量为布尔值为0的时延向量；
压缩模块704，用于将所述第一主成分矩阵压缩为码字；
发送模块705，用于将所述码字、所述标记信息以及所述初始信道状态信息矩阵对应的均值发送至基站端。
与上述方法实施例相对应，参见图8，本发明还提供一种信道状态信息重建装置800，用于重建上述实施例中任一项所述的信道状态信息压缩方法获取的初始信道状态信息矩阵，所述信道状态信息重建装置800包括：
接收模块801，用于接收用户端发送的码字、标记信息以及初始信道状态信息矩阵对应的均值；
重建模块802，用于将所述码字重建为第二主成分矩阵；
插值模块803，用于基于所述标记信息和所述初始信道状态信息矩阵对应的均值，对所述第二主成分矩阵进行插值，得到目标信道状态信息矩阵。
本申请提供的信道状态信息压缩装置、信道状态信息重建装置、计算机设备和计算机可读存储介质，通过压缩初始信道状态信息矩阵中的主成分向量，并通过标记信息记录初始信道状态信息矩阵中各时延向量的行列参数，可以在减少压缩数据量。通过多层残差模块逐层恢复初始信道状态信息矩阵中不同频率范围的特征信息，进而达到高压缩下，精确重建初始信道状态信息矩阵的效果。
所提供的信道状态信息压缩装置、信道状态信息重建装置、计算机设备和计算机可读存储介质的具体实施过程，可以参见上述实施例提供的信道状态信息压缩方法或信道状态信息重建方法的具体实施过程，在此不再一一赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。

Claims (12)

1.一种信道状态信息压缩方法，其特征在于，所述方法包括：
获取对应时延-角度域的初始信道状态信息矩阵及所述初始信道状态信息矩阵的均值，其中，所述均值等于矩阵中所有元素的平均值；
将所述初始信道状态信息矩阵中各时延向量标记为不同的布尔值，得到标记信息，其中，各时延向量对应的布尔值为0或1，所述标记信息包括各时延向量在所述初始信道状态信息矩阵中的行列信息；
保留所述初始信道状态信息矩阵中的主成分向量，得到第一主成分矩阵，其中，所述主成分向量为布尔值为0的时延向量；
将所述第一主成分矩阵压缩为码字；
将所述码字、所述标记信息以及所述初始信道状态信息矩阵对应的均值发送至基站端。
2.根据权利要求1所述的方法，其特征在于，将所述初始信道状态信息矩阵中各时延向量标记为不同的布尔值，得到标记信息的步骤，包括：
将所述初始信道状态信息矩阵进行归一化处理；
计算归一化处理后的初始信道状态信息矩阵中，各所述时延向量减去矩阵均值后对应的范数；
基于各时延向量减去矩阵均值后对应的范数，标记各时延向量的布尔值，得到所述初始信道状态信息矩阵对应的所述标记信息，其中，范数小于或等于第一阈值的时延向量对应的布尔值标记为1，范数大于所述第一阈值的时延向量的布尔值标记为0。
3.根据权利要求2所述的方法，其特征在于，所述第一阈值的确定步骤，包括：
将归一化处理后的初始信道状态信息矩阵中，各时延向量减去矩阵均值后对应的范数进行升序排列，得到升序后的范数序列；
将所述范数序列中的任一前k个范数确定为目标范数，删除目标范数对应的全部时延向量，得到各k值对应的第一信道状态信息矩阵并计算对应的能量残差比，其中，n为所述初始信道状态信息矩阵中时延向量的总数，k为小于n的任一整数；
将大于或者等于第二阈值的能量残差比对应的最大k值对应的范数确定为所述第一阈值。
4.根据权利要求1所述的方法，其特征在于，将所述第一主成分矩阵压缩为码字的步骤，包括：
将所述第一主成分矩阵输入压缩模型；
根据所述压缩模型中的卷积核的尺寸，在所述第一主成分矩阵各边缘行和边缘列外均填充b行/列零值，其中，b＝((s-1)*input-s+c)/2，卷积核的大小为c，input为所述第一主成分矩阵的大小，s为卷积核的滑动步长；
将零填充后的第一主成分矩阵输入到所述压缩模型的卷积层并进行平铺，得到一维向量；
通过所述压缩模型中的全连接层将所述一维向量进行数据降维，得到所述码字。
5.一种信道状态信息重建方法，其特征在于，用于重建上述权利要求1-4中任一项所述的信道状态信息压缩方法获取的初始信道状态信息矩阵，所述方法包括：
接收用户端发送的码字、标记信息以及初始信道状态信息矩阵对应的均值；
将所述码字重建为第二主成分矩阵；
基于所述标记信息和所述初始信道状态信息矩阵对应的均值，对所述第二主成分矩阵进行插值，得到目标信道状态信息矩阵。
6.根据权利要求5所述的方法，其特征在于，将所述码字重建为第二主成分矩阵的步骤，包括：
将所述码字进行数据扩增，得到第二信道状态信息矩阵；
通过至少两层残差模块依次恢复所述第二信道状态信息矩阵对应的特征信息，其中，不同的残差模块用于恢复不同频率范围的特征信息，所述特征信息用于表征信道状态信息在空间-频谱域的相关性强弱；
将各层残差模块恢复的全部特征信息进行融合，得到所述第二主成分矩阵。
7.根据权利要求6所述的方法，其特征在于，l为所述残差模块的层数，通过至少两层残差模块依次恢复所述第二信道状态信息矩阵对应的特征信息的步骤，包括：
i＝1时，第i层残差模块接收所述第二信道状态信息矩阵，并基于所述第二信道状态信息矩阵对应的数据流进行上采样和卷积，得到第一分辨率数据流；
第i层残差模块将第二信道状态信息矩阵对应的数据流与下采样后的第i分辨率数据流相减，得到第i下行数据流并输出至第i+1层残差模块；
1＜i＜l时，第i层残差模块将接收到的所述第i-1下行数据流进行上采样和卷积，得到第i分辨率数据流，其中，i为整数；
第i层残差模块将所述第i-1分辨率数据流与下采样后的第i分辨率数据流相减，得到第i下行数据流并输出至第i+1层残差模块；
i＝l时，第i层残差模块将接收到的所述第i-1下行数据流进行上采样和卷积，得到第i分辨率数据流。
8.根据权利要求5所述的方法，其特征在于，基于所述标记信息和所述初始信道状态信息矩阵对应的均值，对所述第二主成分矩阵进行插值，得到目标信道状态信息矩阵的步骤，包括：
根据所述标记信息中的行列信息，将布尔值为1的时延向量在所述第二主成分矩阵中的对应位置确定为目标位置；
将所述均值插入所述第二主成分矩阵中的所述目标位置，得到目标信道状态信息矩阵。
9.一种信道状态信息压缩装置，其特征在于，所述装置包括：
获取模块，用于获取对应时延-角度域的初始信道状态信息矩阵及所述初始信道状态信息矩阵的均值；
标记模块，用于将所述初始信道状态信息矩阵中各时延向量标记为不同的布尔值，得到标记信息，其中，各时延向量对应的布尔值为0或1，所述标记信息包括各时延向量在所述初始信道状态信息矩阵中的行列信息；
保留模块，用于保留所述初始信道状态信息矩阵中的主成分向量，得到第一主成分矩阵，其中，所述主成分向量为布尔值为0的时延向量；
压缩模块，用于将所述第一主成分矩阵压缩为码字；
发送模块，用于将所述码字、所述标记信息以及所述初始信道状态信息矩阵对应的均值发送至基站端。
10.一种信道状态信息重建装置，其特征在于，用于重建上述权利要求1-4中任一项所述的信道状态信息压缩方法获取的初始信道状态信息矩阵，所述装置包括：
接收模块，用于接收用户端发送的码字、标记信息以及初始信道状态信息矩阵对应的均值；
重建模块，用于将所述码字重建为第二主成分矩阵；
插值模块，用于基于所述标记信息和所述初始信道状态信息矩阵对应的均值，对所述第二主成分矩阵进行插值，得到目标信道状态信息矩阵。
11.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上执行时实现权利要求1至4中任一项所述的信道状态信息压缩方法或权利要求5至8中任一项所述的信道状态信息重建方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序在处理器上执行时实现权利要求1至4中任一项所述的信道状态信息压缩方法或权利要求5至8中任一项所述的信道状态信息重建方法。
CN202111223208.6A 2021-10-20 2021-10-20 信道状态信息压缩方法、重建方法、装置及计算机设备 Active CN113938952B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111223208.6A CN113938952B (zh) 2021-10-20 2021-10-20 信道状态信息压缩方法、重建方法、装置及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111223208.6A CN113938952B (zh) 2021-10-20 2021-10-20 信道状态信息压缩方法、重建方法、装置及计算机设备

Publications (2)

Publication Number Publication Date
CN113938952A true CN113938952A (zh) 2022-01-14
CN113938952B CN113938952B (zh) 2023-10-20

Family

ID=79280905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111223208.6A Active CN113938952B (zh) 2021-10-20 2021-10-20 信道状态信息压缩方法、重建方法、装置及计算机设备

Country Status (1)

Country Link
CN (1) CN113938952B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116156170A (zh) * 2023-04-24 2023-05-23 北京中星微人工智能芯片技术有限公司 数据流的发送方法、装置、电子设备和存储介质
WO2023216126A1 (en) * 2022-05-11 2023-11-16 Qualcomm Incorporated Channel state information prediction based on multi-segment doppler-domain spectrum distribution
WO2024026751A1 (zh) * 2022-08-03 2024-02-08 北京小米移动软件有限公司 确定用于压缩信道状态信息的压缩模型的方法、装置及存储介质
WO2024036631A1 (zh) * 2022-08-19 2024-02-22 北京小米移动软件有限公司 一种信息反馈方法、装置、设备及存储介质
TWI836863B (zh) * 2022-01-17 2024-03-21 新加坡商聯發科技（新加坡）私人有限公司 用於無線通訊的方法和裝置

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101626588A (zh) * 2008-07-11 2010-01-13 财团法人工业技术研究院 用于信道状态信息反馈的装置及其方法
CN102104452A (zh) * 2009-12-22 2011-06-22 华为技术有限公司 信道状态信息反馈方法、信道状态信息获得方法及设备
CN102255694A (zh) * 2011-07-19 2011-11-23 电信科学技术研究院 信道状态信息传输方法和设备
WO2012015737A1 (en) * 2010-07-28 2012-02-02 Qualcomm Incorporated Protocol for channel state information feedback
CN105245263A (zh) * 2015-10-10 2016-01-13 重庆大学 一种基于压缩感知的下行信道状态信息获取方法
CN106209193A (zh) * 2016-08-19 2016-12-07 西华大学 基于压缩感知大规模mimo系统的csi反馈方法
CN108847876A (zh) * 2018-07-26 2018-11-20 东南大学 一种大规模mimo时变信道状态信息压缩反馈及重建方法
CN109104229A (zh) * 2018-08-13 2018-12-28 南京邮电大学 基于压缩感知的大规模mimo信道反馈重构算法
CN111386721A (zh) * 2017-09-29 2020-07-07 株式会社Ntt都科摩 用户终端以及无线通信方法
CN111464220A (zh) * 2020-03-10 2020-07-28 西安交通大学 一种基于深度学习的信道状态信息重建方法
CN111726155A (zh) * 2019-03-21 2020-09-29 电信科学技术研究院有限公司 Csi反馈方法、接收方法、终端和网络侧设备
CN112468203A (zh) * 2020-11-19 2021-03-09 杭州勒贝格智能系统股份有限公司 深度迭代神经网络用低秩csi反馈方法、存储介质及设备
US20210258058A1 (en) * 2018-11-02 2021-08-19 Zte Corporation Csi feedback and receiving methods, apparatus, device, and storage medium

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101626588A (zh) * 2008-07-11 2010-01-13 财团法人工业技术研究院 用于信道状态信息反馈的装置及其方法
CN102104452A (zh) * 2009-12-22 2011-06-22 华为技术有限公司 信道状态信息反馈方法、信道状态信息获得方法及设备
WO2012015737A1 (en) * 2010-07-28 2012-02-02 Qualcomm Incorporated Protocol for channel state information feedback
CN102255694A (zh) * 2011-07-19 2011-11-23 电信科学技术研究院 信道状态信息传输方法和设备
CN105245263A (zh) * 2015-10-10 2016-01-13 重庆大学 一种基于压缩感知的下行信道状态信息获取方法
CN106209193A (zh) * 2016-08-19 2016-12-07 西华大学 基于压缩感知大规模mimo系统的csi反馈方法
CN111386721A (zh) * 2017-09-29 2020-07-07 株式会社Ntt都科摩 用户终端以及无线通信方法
CN108847876A (zh) * 2018-07-26 2018-11-20 东南大学 一种大规模mimo时变信道状态信息压缩反馈及重建方法
CN109104229A (zh) * 2018-08-13 2018-12-28 南京邮电大学 基于压缩感知的大规模mimo信道反馈重构算法
US20210258058A1 (en) * 2018-11-02 2021-08-19 Zte Corporation Csi feedback and receiving methods, apparatus, device, and storage medium
CN111726155A (zh) * 2019-03-21 2020-09-29 电信科学技术研究院有限公司 Csi反馈方法、接收方法、终端和网络侧设备
CN111464220A (zh) * 2020-03-10 2020-07-28 西安交通大学 一种基于深度学习的信道状态信息重建方法
CN112468203A (zh) * 2020-11-19 2021-03-09 杭州勒贝格智能系统股份有限公司 深度迭代神经网络用低秩csi反馈方法、存储介质及设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHENG-WEN XING 、GUANG-HUA YANG 、SHAO-DAN MA AND ZE-SONG FEI1: ""Outage Analysis of Opportunistic Cooperative Ad Hoc Networks with Randomly Located Nodes"", 《CHINA ACADEMIC JOURNAL ELECTRONIC PUBLISHING HOUSE》 *
ERIK G. LARSSON: ""Massive MIMO for Next Generation Wireless Systems"", 《IEEE COMMUNICATIONS MAGAZINE》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI836863B (zh) * 2022-01-17 2024-03-21 新加坡商聯發科技（新加坡）私人有限公司 用於無線通訊的方法和裝置
WO2023216126A1 (en) * 2022-05-11 2023-11-16 Qualcomm Incorporated Channel state information prediction based on multi-segment doppler-domain spectrum distribution
WO2024026751A1 (zh) * 2022-08-03 2024-02-08 北京小米移动软件有限公司 确定用于压缩信道状态信息的压缩模型的方法、装置及存储介质
WO2024036631A1 (zh) * 2022-08-19 2024-02-22 北京小米移动软件有限公司 一种信息反馈方法、装置、设备及存储介质
CN116156170A (zh) * 2023-04-24 2023-05-23 北京中星微人工智能芯片技术有限公司 数据流的发送方法、装置、电子设备和存储介质
CN116156170B (zh) * 2023-04-24 2024-04-16 北京中星微人工智能芯片技术有限公司 数据流的发送方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN113938952B (zh) 2023-10-20

Similar Documents

Publication Publication Date Title
CN113938952B (zh) 信道状态信息压缩方法、重建方法、装置及计算机设备
CN110350958B (zh) 一种基于神经网络的大规模mimo的csi多倍率压缩反馈方法
CN109451308B (zh) 视频压缩处理方法及装置、电子设备及存储介质
CN109859090B (zh) 基于人类视觉系统的可逆水印方法及装置
WO2006012349A1 (en) Discrete universal denoising with reliability information
CN105430417A (zh) 编码方法、解码方法、装置及电子设备
Zhang et al. A new approach to reduce the'blocking effect'of transform coding (image coding)
CN113628116B (zh) 图像处理网络的训练方法、装置、计算机设备和存储介质
CN112218090B (zh) 一种彩色二维码嵌入彩色图像的信息隐藏及提取方法
CN102254298B (zh) 数字水印的加解密方法和系统
KR20160033714A (ko) 보간을 이용한 연산 방법, 인코더, 및 디코더
BH et al. Overview on machine learning in image compression techniques
RU2374785C2 (ru) Способ сжатия и восстановления сообщений
US10419771B2 (en) Method and system for improved image compression
US5974187A (en) Baseline-based contour coding and decoding method and apparatus therefor
CN114173135B (zh) 跨特征尺度的智能视频编码方法、系统、设备及存储介质
US20240357134A1 (en) Distributed video coding using reliability data
US20240357184A1 (en) Receiver side prediction of encoding selection data for video encoding
CN116703686B (zh) 图像处理方法、装置、设备及存储介质
US20240357162A1 (en) Receiver selected decimation scheme for video coding
CN110113604B (zh) 一种图像分层编码方法
WO2024226282A1 (en) Receiver side prediction of encoding selection data for video encoding
CN110572653B (zh) 视频编码、解码方法和装置、存储介质及电子装置
WO2024226264A1 (en) Receiver selected decimation scheme for video coding
WO2024226216A1 (en) Companion device assisted multi-view video coding

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant