CN116723066A - 一种信道压缩、恢复方法、装置及设备 - Google Patents

一种信道压缩、恢复方法、装置及设备 Download PDF

Info

Publication number
CN116723066A
CN116723066A CN202210171751.4A CN202210171751A CN116723066A CN 116723066 A CN116723066 A CN 116723066A CN 202210171751 A CN202210171751 A CN 202210171751A CN 116723066 A CN116723066 A CN 116723066A
Authority
CN
China
Prior art keywords
channel
preprocessing
state information
result
channel state
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.)
Pending
Application number
CN202210171751.4A
Other languages
English (en)
Inventor
李刚
李宇鹏
韩双锋
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.)
China Mobile Communications Group Co Ltd
Research Institute of China Mobile Communication Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
Research Institute of China Mobile Communication Co Ltd
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 China Mobile Communications Group Co Ltd, Research Institute of China Mobile Communication Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202210171751.4A priority Critical patent/CN116723066A/zh
Priority to PCT/CN2023/073892 priority patent/WO2023160336A1/zh
Publication of CN116723066A publication Critical patent/CN116723066A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/0224—Channel estimation using sounding signals
    • H04L25/0228—Channel estimation using sounding signals with direct estimation from sounding signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • 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
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • 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
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0626—Channel coefficients, e.g. channel state information [CSI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0254—Channel estimation channel estimation algorithms using neural network algorithms
    • 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)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Electromagnetism (AREA)
  • Power Engineering (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Discrete Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供一种信道压缩、恢复方法、装置及设备，应用于终端的信道压缩方法包括：测量网络设备发送的参考信号，得到信道状态信息；对所述信道状态信息进行预处理，得到预处理结果；根据所述预处理结果，利用目标信道压缩模型对信道状态信息进行压缩处理，得到压缩后的信道信息；将压缩后的所述信道信息和/或所述预处理结果发送给网络设备。本发明的方案通过对信道状态信息进行预处理，利用训练好的目标信道压缩模型对预处理后的信道状态信息进行压缩以及后续的信道恢复，提高信道压缩反馈性能。

Description

一种信道压缩、恢复方法、装置及设备
技术领域
本发明涉及通信技术领域，特别是指一种信道压缩、恢复方法、装置及设备。
背景技术
在多天线(Multiple-input Multiple-output，MIMO)系统中，获取信道状态信息(channel state information，CSI)是进行波束赋形来提升传输性能的关键条件。对于FDD(频分复用)系统，因不存在完整的上下行信道的互易性，基站需要借助终端反馈的方式才能获取完整的下行CSI。在NR系统中，终端反馈CSI主要依赖码本的方式进行。目前支持CSItype I、type II、type II enhanced等码本种类，用于反馈RI(rank indicator)、PMI(Precoding matrix indicator)、CQI(Channel quality indicator)等信息。
传统基于机器学习的信道反馈方案将信道矩阵视为一个整体直接输入模型进行处理，这种方法虽然实现简单，但因为缺乏结合信道特征的设计而往往性能受限。
发明内容
本发明要解决的技术问题是提供一种信道压缩、恢复方法、装置及设备，以提高信道处理性能，减小信道反馈开销。
为解决上述技术问题，本发明的技术方案如下：
本发明的实施例提供一种信道压缩方法，应用于终端，所述方法包括：
测量网络设备发送的参考信号，得到信道状态信息；
对所述信道状态信息进行预处理，得到预处理结果；
根据所述预处理结果，利用目标信道压缩模型对信道状态信息进行压缩处理，得到压缩后的信道信息；
将压缩后的所述信道信息和/或所述预处理结果发送给网络设备。
可选的，对所述信道状态信息进行预处理，得到预处理结果，包括以下中的一项：
对所述信道状态信息变换到角度域、时延域或者多普勒域，得到第一预处理结果；
对所述信道状态信息或者第一预处理结果进行裁切预处理，得到第二预处理结果；
对所述信道状态信息或者第一预处理结果进行循环移位预处理，得到第三预处理结果。
可选的，对所述信道状态信息变换到角度域、时延域或者多普勒域，包括：
对所述信道状态信息在天线维度通过快速逆傅里叶变换IFFT变换到角度域，在频率维度通过快速逆傅里叶逆变换IFFT变换到时延域，在时间维度通过稀疏傅里叶变换SFFT变换到多普勒域。
可选的，对所述信道状态信息进行裁切预处理，得到第二预处理结果，包括：
对所述信道状态信息进行第一裁切预处理时，保留第一数量个元素，对其余元素进行裁切，得到第一裁切预处理结果，所述第一数量是第一预设值或者根据第一预设门限进行筛选得到的需要保留元素的个数；或者
对所述信道状态信息进行第二裁切预处理时，以位图方式标记保留的第二数量个元素的位置，对其余元素进行裁切，得到第二裁切预处理结果，所述第二数量是第二预设值或者根据第二预设门限进行筛选得到的需要保留元素的个数。
可选的，所述第一裁切预处理结果包括：第一数量个元素的位置以及裁切得到的其余元素；
所述第二裁切预处理结果包括：以位图方式标记保留的第二数量个元素的位置以及裁切得到的其余元素。
可选的，所述第一数量和所述第二数量为网络设备预配置或者终端确定；
所述第一数量和所述第二数量为网络设备预配置时，通过高层信令预配置给终端；
所述第一数量和所述第二数量为终端确定时，将终端确定的所述第一数量和所述第二数量上报至网络设备。
可选的，对所述信道状态信息进行循环移位预处理，得到第三预处理结果，包括：
若信道的第一个元素满足预设条件，将信道的目标元素循环移位到第一个元素的位置，并记录目标元素对应的位置，得到第三预处理结果。
可选的，所述第三预处理结果包括：循环移位后得到的信道，以及，目标元素对应的位置。
可选的，对所述信道状态信息通过傅里叶变换到角度域、时延域或者多普勒域，包括：
对所述信道状态信息通过快速傅里叶变换FFT变换到角度域，通过快速傅里叶逆变换IFFT变换到时延域，通过稀疏傅里叶变换SFFT变换到多普勒域。
可选的，对第一预处理结果进行裁切预处理，得到第二预处理结果，包括：
基于所述第一预处理结果，保留信道时延和/或保留角度最大值周围的第一数量个元素，对其余元素进行裁切，得到第二预处理结果，所述第一数量是第一预设值或者根据第一预设门限进行筛选得到的需要保留元素的个数。
可选的，对第一预处理结果进行循环移位预处理，得到第三预处理结果，包括：
基于所述第一预处理结果，判断若信道的第一个元素不是信道时延和/或保留角度最大值时，则从信道时延和/或保留角度最大值的元素开始顺序循环移位，将信道时延和/或保留角度最大值循环移位到第一个元素的位置，并记录信道时延和/或保留角度最大值对应的位置，得到第三预处理结果。
可选的，所述信道状态信息包括以下至少一项：
信道矩阵；
信道特征向量；
信道预编码矩阵。
可选的，所述目标信道压缩模型是在预先训练好的多个不同裁切比例的机器学习模型中选择一目标机器学习模型；所述多个不同裁切比例的机器学习模型通过以下过程进行训练：
获取仿真模型产生的或者终端上报的频域复用下行信道形成的下行信道数据集；
对所述下行信道数据集中的下行信道进行多个不同预设裁切比例的裁切处理，得到多个不同预设裁切比例的裁切处理结果；
根据多个不同预设裁切比例的裁切处理结果，分别输入到预设机器学习模型中进行训练，得到多个不同裁切比例的机器学习模型。
本发明的实施例还提供一种信道恢复方法，应用于网络设备，所述方法包括：
向终端发送参考信号；
接收终端反馈的压缩后的信道信息和/或压缩信道时对估信道状态信息进行预处理得到的预处理结果；压缩后的所述信道信息是终端根据参考信号进行信道测量得到信道状态信息，并对所述信道状态信息进行预处理，得到预处理结果；并根据所述预处理结果，利用目标信道压缩模型对信道状态信息进行压缩处理，得到的；
根据所述目标信道解压模型对压缩后的信道信息进行恢复，得到恢复后的信道信息。
可选的，所述预处理结果包括以下中的一项：
对所述信道状态信息变换到角度域、时延域或者多普勒域得到的第一预处理结果；
对所述信道状态信息或者第一预处理结果进行裁切预处理得到的第二预处理结果；
对所述信道状态信息或者第一预处理结果进行循环移位预处理得到的第三预处理结果。
可选的，根据所述目标信道解压模型对压缩后的信道信息进行恢复，得到恢复后的信道信息包括：
根据所述目标信道解压模型和所述预处理结果，对压缩后的信道信息进行恢复，得到恢复后的信道信息。
可选的，所述目标信道解压模型是在预先训练好的多个不同裁切比例的机器学习模型中选择一目标机器学习模型；所述多个不同裁切比例的机器学习模型通过以下过程进行训练：
获取仿真模型产生的或者终端上报的频域复用下行信道形成的下行信道数据集；
对所述下行信道数据集中的下行信道进行多个不同预设裁切比例的裁切处理，得到多个不同预设裁切比例的裁切处理结果；
根据多个不同预设裁切比例的裁切处理结果，分别输入到预设机器学习模型进行训练，得到多个不同裁切比例的机器学习模型。
本发明的实施例还提供一种终端，包括：
估计模块，用于测量网络设备发送的参考信号，得到信道状态信息；
处理模块，用于对所述信道状态信息进行预处理，得到预处理结果；根据所述预处理结果，利用目标信道压缩模型对信道状态信息进行压缩处理，得到压缩后的信道信息；
收发模块，用于将压缩后的所述信道信息和/或所述预处理结果发送给网络设备。
本发明的实施例还提供一种网络设备，包括：
收发模块，用于向终端发送参考信号；并接收终端反馈的压缩后的信道信息和/或压缩信道时对信道状态信息进行预处理得到的预处理结果；压缩后的所述信道信息是终端对参考信号进行信道测量得到信道状态信息，并对所述信道状态信息进行预处理，得到预处理结果；并根据所述预处理结果，利用目标信道压缩模型对信道进行压缩处理，得到的；
处理模块，用于根据目标信道解压模型对压缩后的信道信息进行恢复，得到恢复后的信道信息。
本发明的实施例还提供一种通信设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如上述所述的方法。
本发明的实施例还一种计算机可读存储介质，存储指令，当所述指令在计算机上运行时，使得计算机执行如上述所述的方法
本发明的上述方案至少包括以下有益效果：
本发明中，通过测量网络设备发送的参考信号，得到信道状态信息；对所述信道状态信息进行预处理，得到预处理结果；根据所述预处理结果，利用目标信道压缩模型对信道状态信息进行压缩处理，得到压缩后的信道信息；将压缩后的所述信道信息和/或所述预处理结果发送给网络设备；从而提高信道压缩的性能，以及后续信道恢复的精度。
附图说明
图1是本发明实施例提供的终端侧的信道方法流程图；
图2是本发明实施例提供的信道压缩以及恢复的实现原理图；
图3是本发明实施例提供的信道压缩以及恢复方法的实现流程图；
图4是本发明实施例提供的终端模块框示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
如图1所示，本发明的实施例提供一种信道压缩方法，应用于终端，所述方法包括：
步骤11，测量网络设备发送的参考信号，得到信道状态信息；
步骤12，对所述信道状态信息进行预处理，得到预处理结果；
步骤13，根据所述预处理结果，利用目标信道压缩模型对信道状态信息进行压缩处理，得到压缩后的信道信息；
步骤14，将压缩后的所述信道信息和/或所述预处理结果发送给网络设备。
该实施例中，所述参考信号的是网络设备周期性发送给终端的，且是用于信道信息测量的，所述参考信号可以是CSI-RS信道状态信息获取信号等；终端根据所述参考信号，获得信道状态信息；终端根据所述信道状态信息中数据元素的特征，对所述信道状态信息进行预处理，以除去信道状态信息中不必要的数据元素特征，降低不必要的数据特征对后续处理步骤的影响；所述预处理结果包括但不限于预处理后的信道信息、预处理后的信道信息中的数据元素信息，以及预处理过程中去掉的信道信息中的数据元素信息；
终端根据所述预处理结果，从预先训练好的目标信道压缩模型的集合中选择一个与所述预处理后的信道状态信息相适配的目标信道压缩模型，作为目标信道压缩模型对预处理后的信道状态信息进行压缩量化处理，以提高信道压缩的性能，得到压缩信道中的信息可以是以比特流的形式存在；所述目标信道压缩模型集合是依据多个历史信道的数据，按照不同的裁切比例对多个历史信道进行裁切训练得到的，所述目标信道压缩模型既可以是终端对历史信道的数据进行处理训练得到的，也可以是网络设备对历史信道的数据进行处理训练得到的；
终端将所述压缩后的信道信息和/或所述预处理结果发送给网络设备，以便于网络设备对所述压缩信道进行恢复。
本发明的一可选实施例中，上述步骤12中所述的预处理结果，可以包括以下中的一项：
对所述信道状态信息变换到角度域、时延域或者多普勒域，得到第一预处理结果；
对所述信道状态信息或者第一预处理结果进行裁切预处理，得到第二预处理结果；
对所述信道状态信息或者第一预处理结果进行循环移位预处理，得到第三预处理结果。
该实施例中，可以对所述信道状态信息变换到角度域、时延域或者多普勒域；
也可以对所述信道状态信息进行裁切预处理；
也可以对所述信道状态信息进行循环移位预处理；
也可以对所述信道状态信息在天线维度进行通过傅里叶变换到角度域、时延域或者多普勒域后，再基于傅里叶变换的结果，进行裁切预处理和/或循环移位预处理；
其中，对所述信道状态信息进行裁切预处理、循环移位预处理，即是对所述估计信道中的近零值进行裁切预处理、循环移位预处理；
裁切、循环移位所述近零值以滤除信道中的干扰项，对所述信道状态信息通过傅里叶变换到角度域、时延域或者多普勒域，避免后续信道处理过程中非必要特征的影响，提高后续信道恢复处理的精度。
本发明的一可选实施例中，对所述信道状态信息通过傅里叶变换到角度域、时延域或者多普勒域，可以包括：
对所述信道状态信息在天线维度通过快速逆傅里叶变换(IFFT,Inverse FastFourier Transform)变换到角度域、在频率维度通过快速逆傅里叶变换(IFFT，InverseFast Fourier Transform)变换到时延域，在时间维度通过稀疏傅里叶变换(SFFT,SparseFast Fourier Transform)变换到多普勒域。
该实施例中，对所述信道状态信息通过傅里叶变换时，可以是根据网络设备的配置，对所述信道状态信息按照天线维度的行N1点、列N2点进行IDFT变换到角度域；对所述信道状态信息按照频域维度N3点进行IDFT变换到时延域；对所述信道状态信息按照时间维度N4点进行SFFT变换到多普勒域，这里的N1、N2、N3和N4也可以由网络设备配置。
本发明的一可选实施例中，对所述信道状态信息进行裁切预处理，得到第二预处理结果，可以包括：
对所述信道状态信息进行第一裁切预处理时，保留第一数量个元素，对其余元素进行裁切，得到第一裁切预处理结果，所述第一数量是第一预设值或者根据第一预设门限进行筛选得到的需要保留元素的个数；或者，
对所述信道状态信息进行第二裁切预处理时，以位图方式标记保留的第二数量个元素的位置，对其余元素进行裁切，得到第二裁切预处理结果，所述第二数量是第二预设值或者根据第二预设门限进行筛选得到的需要保留元素的个数。
该实施例中，第一裁切预处理结果或者第二裁切预处理结果均为第二预处理结果；所述第一裁切预处理与所述第二裁切预处理的选取，可以依据所述信道状态信息中的数据元素的分布特征进行；
当所述信道状态信息中的数据元素成簇出现的情况，即有部分数据元素以最高值数据元素为中心进行分布并形成固定分布的区域时，保留信道时延和/或保留角度最大值周围的第一数量个元素，对所述信道状态信息进行第一裁切预处理，裁减掉固定区域以外的近零值，并得到第一裁切预处理结果，所述最高值可以是数据元素的角度域最高值或者时延域最高值；
当所述信道状态信息中的数据元素离散分布，无法通过固定区域裁切掉近零值时，则以图方式标记保留的第二数量个元素的位置，裁切掉其他未标记的元素，并得到第二裁切预处理结果；
综合考虑信道状态信息中数据元素的分布情况进行裁切，以提高裁切的效率及准确性；所述第一数量是第一预设值或者根据第一预设门限进行筛选得到的需要保留元素的个数，所述第二数量是第二预设值或者根据第二预设门限进行筛选得到的需要保留元素的个数，所述第一数量、所述第二数量、所述第一预设值或者第一预设值以及所述第二预设值或者第二预设门限可以根据信道状态信息或者实际应用情况进行预配。
本发明的一可选实施例中，所述第一裁切预处理结果包括：第一数量个元素的位置以及裁切得到的其余元素；
所述第二裁切预处理结果包括：以位图方式标记保留的第二数量个元素的位置以及裁切得到的其余元素。
该实施例中，终端将所述信道状态信息裁切处理后的第一裁切预处理结果和/或第二裁切预处理结果发送给网络设备，以便网络设备根据所述第一裁切预处理结果和/或第二裁切预处理结果进行后续信道的处理；
所述第一裁切预处理结果可以包括：对所述信道状态信息进行第一裁切时，得到的第一裁切信道状态信息中的信道数据，即保留的信道时延和/或角度最大值周围的第一数量个元素的位置，以及裁切掉的其他元素；
所述第二裁切预处理结果可以包括：对所述信道状态信息进行第二裁切时，得到的第二裁切信道中的信道数据，即保留的以位图方式标记的第二数量个元素的位置，以及裁切掉的其他元素；
当然，所述第一裁切预处理结果还可以包括，进行第一裁切得到的第一裁切信道状态信息；所述第二裁切预处理结果还可以包括，进行第二裁切得到的第二裁切信道状态信息。
进一步的，所述第一数量和所述第二数量为网络设备预配置或者终端确定；当所述第一数量和所述第二数量为网络设备预配置时，网络设备通过高层信令预配置给终端；当所述第一数量和所述第二数量为终端确定时，将终端确定的所述第一数量和所述第二数量上报至网络设备。
本发明的一可选实施例中，对所述信道状态信息进行循环移位预处理，得到第三预处理结果，可以包括：
若信道的第一个元素满足预设条件，将信道的目标元素循环移位到第一个元素的位置，并记录目标元素对应的位置，得到第三预处理结果。
进一步的，所述第三预处理结果包括：循环移位后得到的信道，以及目标元素对应的位置。
该实施例中，通过对所述估计信道进行循环移位预处理，弥补了估计信道不满足裁切预处理的条件时，对所述估计信道进行循环移位预处理，除去不必要的数据元素，以保证后续信道压缩恢复的准确性。
本发明的一可选实施例中，对第一预处理结果进行裁切预处理，得到第二预处理结果，包括：
基于所述第一预处理结果，保留信道时延和/或保留角度最大值周围的第一数量个元素，对其余元素进行裁切，得到第二预处理结果，所述第一数量是第一预设值或者根据第一预设门限进行筛选得到的需要保留元素的个数。所述第一数量是第一预设值或者根据第一预设门限进行筛选得到的需要保留元素的个数；这里的第三裁切预处理结果可以包括：信道时延和/或角度最大值周围的第一数量个元素的位置以及裁切得到的其余元素；
本发明的一可选实施例中，对第一预处理结果进行循环移位预处理，得到第三预处理结果，包括：
基于所述第一预处理结果，判断若信道的第一个元素不是信道时延和/或保留角度最大值时，则从信道时延和/或保留角度最大值的元素开始顺序循环移位，将信道时延和/或保留角度最大值循环移位到第一个元素的位置，并记录信道时延和/或保留角度最大值对应的位置，得到第三预处理结果，也就是说，对所述信道状态信息先进行通过傅里叶变换到角度域、时延域或者多普勒域，再基于傅里叶变换的结果进行循环移位预处理；
具体实现时，若信道的第一个元素不是信道时延和/或保留角度最大值时，则从信道时延和/或保留角度最大值的元素开始顺序循环移位，将信道时延和/或保留角度最大值循环移位到第一个元素的位置，并记录信道时延和/或保留角度最大值对应的位置，得到第三预处理结果。这里，所述第三预处理结果可以包括：循环移位后得到的信道，以及，信道时延和/或保留角度最大值目标元素对应的位置。
当然，所述预处理结果包括第一预处理结果、第二预处理结果以及第三预处理结果时，也就是说，对所述信道状态信息先进行通过傅里叶变换到角度域、时延域或者多普勒域，再对傅里叶变换的结果进行裁切，再对裁切的结果进行循环移位预处理；
也可以是对所述信道状态信息先进行通过傅里叶变换到角度域、时延域或者多普勒域，再对傅里叶变换的结果循环移位预处理，再对循环移位进行裁切；具体实现时，按照上述裁切和循环移位处理的方式进行。
需要说明的是，上述终端侧对所述信道状态信息进行预处理的方式，可以由网络设备通过高层信令进行配置或者预先约定。
本发明的一可选实施例中，对所述信道状态信息进行说明，所述信道状态信息包括以下至少一项：信道矩阵；信道特征向量；信道预编码矩阵。
本发明的一可选实施例中，对所述目标信道压缩模型进行说明，所述目标信道压缩模型是在预先训练好的多个不同裁切比例的机器学习模型中选择一目标机器学习模型；所述多个不同压缩比例的机器学习模型通过以下过程进行训练：
步骤01，获取仿真模型产生的或者终端上报的频域复用下行信道形成的下行信道数据集；
步骤02，对所述下行信道数据集中的下行信道进行多个不同预设裁切比例的裁切处理，得到多个不同预设裁切比例的裁切处理结果；
步骤03，根据多个不同预设裁切比例的裁切处理结果，分别输入到预设模型进行训练，得到多个不同压缩比例的机器学习模型。
该实施例中，应当知道，所述多个不同压缩比例的机器学习模型可以是终端进行训练得到的，也可以是网络设备进行训练得到的；终端可以使用仿真模型产生频域复用FDD下行信道数据或通知终端在业务较少、空口资源充足时测量并上报的FDD下行信道数据，并建立起FDD下行信道数据集，也可以使用任意满足要求的下行信道数据获取方法完成；
终端基于所建立的FDD下行信道数据集训练信道压缩以及恢复所使用的机器学习模型，所述机器学习模型包含部署于反馈发送端的压缩网络模型与部署于反馈接收端的恢复网络模型；在训练过程中可以依据当前信道数据集特征对下行信道数据集中的下行信道进行裁切预处理；
由于实际信道时延域，或其他发生裁切的维度的稀疏程度不同，因此需要按裁切比例分别训练多个模型，例如针对不裁切、裁切剩下3/4数量的元素、裁切剩下1/2数量的元素、裁切剩下1/4数量的元素以及其他保留元素比例的多种类类分别训练模型，此时训练的模型处理的是裁切后的信道，因此针对同一数据集和不同裁切比例可以训练得到不同模型，将多种适用于不同裁切情况的模型组成模型集合，供后续过程选择使用。
本发明的一可选实施例中，上述信道压缩方法，还可以包括：
根据信道裁切预处理方法以及裁切比例，对所述多个不同裁切比例的机器学习模型进行更新；
该实施例中，通过检测所用目标信道压缩模型的压缩性能，当模型性能因信道环境变化而下降至一预设压缩门限以下时，触发相应的模型更新机制，根据信道裁切方法以及裁切比例，对所述多个不同裁切比例的机器学习模型进行更新，从而保证信道反馈的性能。
本发明的实施例还提供一种信道恢复方法，应用于网络设备，所述方法包括：
步骤21，向终端发送参考信号；
步骤22，接收终端反馈的压缩后的信道信息和/或压缩信道时对信道状态信息进行预处理得到的预处理结果；压缩后的所述信道信息是终端对参考信号进行信道测量得到信道状态信息，并对所述信道状态信息进行裁切预处理，得到预处理结果；并根据所述预处理结果，利用目标信道压缩模型对信道状态信息进行压缩处理，得到的；
步骤23，根据所述目标信道解压模型对压缩信道进行恢复，得到恢复后的信道。
该实施例中，网络设备向终端发送的参考信号，可以是通过仿真模型产生下行信道数据，也可以是在业务不繁忙时网络设备通知终端上报的完整的下行信道数据；所述参考信号主要用于终端进行信道测量得到信道状态信息的；在网络设备发送参考信号后，进一步接收终端发送的压缩后的信道信息和/或压缩信道时对信道状态信息进行预处理得到的预处理结果，并依据所述目标信道解压模型对所述压缩信道进行恢复，提高信道恢复性能；所述压缩信道信息是终端根据所述参考信号进行信道测量得到的信道状态信息，并对信道状态信息进行裁切压缩处理后得到的；所述目标解压模型是从预先训练好的多个不同压缩比例的机器学习模型中选择的适配所述压缩信道信息的模型；
本发明的一可选实施例中，所述预处理结果包括以下中的一项：
对所述信道状态信息进行傅里叶变换到角度域、时延域或者多普勒域得到的第一预处理结果；
对所述信道状态信息或者第一预处理结果进行裁切预处理得到的第二预处理结果；
对所述信道状态信息或者第一预处理结果进行循环移位预处理得到的第三预处理结果。
该实施例中，所述预处理结果是基站对所述信道状态信息进行裁切预处理、循环移位预处理或通过傅里叶变换得到的或者通过傅里叶变换后再通过裁切处理和/或循环移位处理得到的；
所述第三预处理结果基站对所述信道状态信息通过傅里叶变换得到的；
所述第二预处理结果是基站对所述信道状态信息保留信道时延和/或保留角度最大值周围的第一数量个元素，对其余元素进行裁切，或者基站对所述信道状态信息以位图方式标记保留的第二数量个元素的位置，对其余元素进行裁切，得到的；
所述第三预处理结果是基站对所述信道状态信息从信道时延和/或保留角度最大值的元素开始顺序循环移位，将信道时延和/或保留角度最大值循环移位到第一个元素的位置，并记录信道时延和/或保留角度最大值对应的位置，得到的。
本发明的一可选实施例中，上述步骤23，可以包括：
步骤231，根据所述目标信道解压模型和所述预处理结果，对压缩后的信道信息进行恢复，得到恢复后的信道信息。
该实施例中，所述裁切预处理结果是终端根据不同裁切方式对所述信道状态进行近零值裁切得到的；所述网络设备在接收到所述压缩后的信道信息和/或所述预处理结果后，先利用所述目标解压模型对压缩后的信道信息进行恢复处理得到第一恢复信道信息，再依据所述裁切预处理结果对所述第一恢复信道信息进行裁切前的信息恢复，得到恢复后的第二恢复信道信息。
本发明的一可选实施例中，对所述目标信道解压模型进行说明，所述目标信道压缩模型是在预先训练好的多个不同裁切比例的机器学习模型中选择一目标机器学习模型；所述多个不同压缩比例的机器学习模型通过以下过程进行训练：
步骤011，获取仿真模型产生的或者终端上报的频域复用下行信道形成的下行信道数据集；
步骤012，对所述下行信道数据集中的下行信道进行多个不同预设裁切比例的裁切处理，得到多个不同预设裁切比例的裁切处理结果；
步骤013，根据多个不同预设裁切比例的裁切处理结果，分别输入到预设模型进行训练，得到多个不同压缩比例的机器学习模型。
该实施例中，应当知道，所述多个不同压缩比例的机器学习模型可以是终端进行训练得到的，也可以是网络设备进行训练得到的；所述多个不同压缩比例的深度神经网络模型的训练方法与终端侧的训练方法相同，在此不再赘述。
本发明的一可选实施例中，应用于网络设备的信道恢复方法，还可以包括：
将多个不同压缩比例的深度神经网络模型配置给终端。
该实施例中，当所述多个不同压缩比例的深度神经网络模型是在所述网络设备侧训练得到的，所述网络设备将训练好的多个不同压缩比例的深度神经网络模型配置给终端，以便终端进行信道的压缩，当然该多个不同裁切比例的机器学习模型也可以是由终端进行训练得到的。
以下将以一具体示例对上述信道压缩及恢复方法进行说明，如图2所示是信道压缩及恢复方法的原理图；如图3所示，具体实现流程如下：
步骤31，网络设备进行数据收集工作，方式包括但不限于：使用仿真模型产生下行信道数据；或者通知终端于业务不繁忙时上报完整的下行信道数据等；网络设备根据手机到的数据进行模型训练，并按特定参数的不同取值建立模型集合。在建立模型集合时，应包含针对不同裁切比例训练的不同模型；应当知道所述模型也可以是在终端侧记性训练得到的
步骤32，基站通过下行控制信道下发给终端CSI信道状态信息，以及发送用于信道信息测量的下行参考信号至终端，所述CSI信道状态信息包含反馈占用的信道资源、反馈开销、以及裁切保留的能量比例门限等。
步骤33，终端基于参考信号估计出下行信道，并依据所述估计信道中数据元素的分布特征选择裁切方法，对所述估计信道进行裁切；进一步的，终端根据裁切结果在模型集合中选择合适的目标压缩模型对裁切后的信道进行压缩处理，并得到压缩信道，所述压缩信道中的信息以比特流形式存在。
步骤34，终端向网络设备发送反馈信息，所述反馈信息中可以包括：裁切方式信息；裁切结果信息；目标压缩模型或目标压缩模型的选择信息以及压缩信道的信息。
步骤35，网络设备根据所述反馈信息，利用目标压缩模型以及压缩后的信道信息先恢复出裁切后的信道；再基于裁切方式信息、裁切结果信息、恢复出裁切前的原始信道，并将其用于后续的传输信号处理。
步骤36，网络设备与终端交互信息，根据信道裁切方式以及信道裁切比例，对所述压缩模型进行更新。
本发明的上述实施例中，通过网络设备与终端交互，终端对估计信道进行裁切预处理，以滤除信道中的干扰项，有效提升后续恢复精度；再使用相应裁切比例的压缩模型对裁切后的估计信道进行压缩，并将结果反馈网络设备，网络设备先恢复裁切后的信道，再根据裁切信息得到原始信道，从而提高基于信道压缩恢复方法的性能。
本发明的实施例还提供一种终端，如图4所示，所述终端40包括：
估计模块41，用于测量网络设备发送的参考信号，得到信道状态信息；
处理模块42，用于对所述信道状态信息进行预处理，得到预处理结果；根据所述预处理结果，利用目标信道压缩模型对信道状态信息进行压缩处理，得到压缩后的信道信息；
收发模块43，用于将压缩后所述信道信息和/或所述预处理结果发送给网络设备。
可选的，所述处理模块42，用于对所述信道状态信息进行预处理，得到预处理结果，包括以下中的一项：
对所述信道状态信息变换到角度域、时延域或者多普勒域得到的第一预处理结果；
对所述信道状态信息或者第一预处理结果进行裁切预处理得到的第二预处理结果；
对所述信道状态信息或者第一预处理结果进行循环移位预处理得到的第三预处理结果。
可选的，对所述信道状态信息变换到角度域、时延域或者多普勒域，包括：
对所述信道状态信息在天线维度通过快速逆傅里叶变换IFFT变换到角度域，在频率维度通过快速逆傅里叶变换IFFT变换到时延域，在时间维度通过稀疏傅里叶变换SFFT变换到多普勒域。
可选的，所述处理模块42具体用于：对所述信道状态信息进行第一裁切预处理时，保留第一数量个元素，对其余元素进行裁切，得到第一裁切预处理结果，所述第一数量是第一预设值或者根据第一预设门限进行筛选得到的需要保留元素的个数；或者
对所述信道状态信息进行第二裁切预处理时，以位图方式标记保留的第二数量个元素的位置，对其余元素进行裁切，得到第二裁切预处理结果，所述第二数量是第二预设值或者根据第二预设门限进行筛选得到的需要保留元素的个数。
可选的，所述第一裁切预处理结果包括：第一数量个元素的位置以及裁切得到的其余元素；
所述第二裁切预处理结果包括：以位图方式标记保留的第二数量个元素的位置以及裁切得到的其余元素。
可选的，所述第一数量和所述第二数量为网络设备预配置或者终端确定；
所述第一数量和所述第二数量为网络设备预配置时，通过高层信令预配置给终端；
所述第一数量和所述第二数量为终端确定时，将终端确定的所述第一数量和所述第二数量上报至网络设备。
可选的，所述处理模块42具体用于若信道的第一个元素满足预设条件，将信道的目标元素循环移位到第一个元素的位置，并记录目标元素对应的位置，得到第三预处理结果。
可选的，所述第三预处理结果包括：循环移位后得到的信道，以及，目标元素对应的位置。
可选的，对第一预处理结果进行裁切预处理，得到第二预处理结果，包括：
基于所述第一预处理结果，保留信道时延和/或保留角度最大值周围的第一数量个元素，对其余元素进行裁切，得到第二预处理结果，所述第一数量是第一预设值或者根据第一预设门限进行筛选得到的需要保留元素的个数。
可选的，对第一预处理结果进行循环移位预处理，得到第三预处理结果，包括：
基于所述第一预处理结果，判断若信道的第一个元素不是信道时延和/或保留角度最大值时，则从信道时延和/或保留角度最大值的元素开始顺序循环移位，将信道时延和/或保留角度最大值循环移位到第一个元素的位置，并记录信道时延和/或保留角度最大值对应的位置，得到第三预处理结果。
可选的，所述信道状态信息包括以下至少一项：信道矩阵；信道特征向量；信道预编码矩阵。
可选的，所述目标信道压缩模型是在预先训练好的多个不同裁切比例的机器学习模型中选择一目标机器学习模型；所述多个不同裁切比例的机器学习模型通过以下过程进行训练：
获取仿真模型产生的或者终端上报的频域复用下行信道形成的下行信道数据集；
对所述下行信道数据集中的下行信道进行多个不同预设裁切比例的裁切处理，得到多个不同预设裁切比例的裁切处理结果；
根据多个不同预设裁切比例的裁切处理结果，分别输入到预设机器学习模型中进行训练，得到多个不同裁切比例的机器学习模型。
需要说明的是，该终端是与上述应用于终端的信道压缩方法相对应的终端，上述方法实施例中的所有实现方式均适用于该终端的该实施例中，也能达到相同的技术效果。
本发明的实施例还提供一种网络设备，所述网络设备包括：
收发模块，用于向终端发送参考信号；并接收终端反馈的压缩后的信道信息和/或压缩信道时对信道状态信息进行预处理得到的预处理结果；压缩后的所述信道信息是终端对参考信号进行信道测量得到信道状态信息，并对所述信道状态信息进行预处理，得到预处理结果；并根据所述预处理结果，利用目标信道压缩模型对信道进行压缩处理，得到的；
处理模块，用于根据目标信道解压模型对压缩后的信道信息进行恢复，得到恢复后的信道信息。
可选的，所述预处理结果包括以下中的一项：
对所述信道状态信息变换到角度域、时延域或者多普勒域得到的第一预处理结果；
对所述信道状态信息或者第一预处理结果进行裁切预处理得到的第二预处理结果；
对所述信道状态信息或者第一预处理结果进行循环移位预处理得到的第三预处理结果。
可选的，所述处理模块，用于根据所述目标信道解压缩模型对压缩后的信道信息进行恢复，得到恢复后的信道信息包括：
根据所述目标信道解压模型和所述预处理结果，对压缩后的信道信息进行恢复，得到恢复后的信道信息。
可选的，所述目标信道解压模型是在预先训练好的多个不同裁切比例的机器学习模型中选择一目标机器学习模型；所述多个不同裁切比例的机器学习模型通过以下过程进行训练：
获取仿真模型产生的或者终端上报的频域复用下行信道形成的下行信道数据集；
对所述下行信道数据集中的下行信道进行多个不同预设裁切比例的裁切处理，得到多个不同预设裁切比例的裁切处理结果；
根据多个不同预设裁切比例的裁切处理结果，分别输入到预设机器学习模型进行训练，得到多个不同裁切比例的机器学习模型。
需要说明的是，该网络设备是与上述应用于网络设备的信道恢复方法相对应的网络设备，上述方法实施例中的所有实现方式均适用于该网络设备的实施例中，也能达到相同的技术效果。
上述方法实施例中的所有实现方式均适用于该终端的实施例中，也能达到相同的技术效果。
本发明的实施例还提供一种通信设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
本发明的实施例还提供一种计算机可读存储介质，包括指令，当所述指令在计算机上运行时，使得计算机执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元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、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
此外，需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行，某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言，能够理解本发明的方法和装置的全部或者任何步骤或者部件，可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中，以硬件、固件、软件或者它们的组合加以实现，这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此，本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此，本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说，这样的程序产品也构成本发明，并且存储有这样的程序产品的存储介质也构成本发明。显然，所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (20)

1.一种信道压缩方法，其特征在于，应用于终端，所述方法包括：
测量网络设备发送的参考信号，得到信道状态信息；
对所述信道状态信息进行预处理，得到预处理结果；
根据所述预处理结果，利用目标信道压缩模型对信道状态信息进行压缩处理，得到压缩后的信道信息；
将压缩后的所述信道信息和/或所述预处理结果发送给网络设备。
2.根据权利要求1所述的信道压缩方法，其特征在于，对所述信道状态信息进行预处理，得到预处理结果，包括以下中的一项：
对所述信道状态信息变换到角度域、时延域或者多普勒域，得到第一预处理结果；
对所述信道状态信息或者第一预处理结果进行裁切预处理，得到第二预处理结果；
对所述信道状态信息或者第一预处理结果进行循环移位预处理，得到第三预处理结果。
3.根据权利要求2所述的信道压缩方法，其特征在于，对所述信道状态信息变换到角度域、时延域或者多普勒域，包括：
对所述信道状态信息在天线维度通过快速逆傅里叶变换IFFT变换到角度域，在频率维度通过快速逆傅里叶逆变换IFFT变换到时延域，在时间维度通过稀疏傅里叶变换SFFT变换到多普勒域。
4.根据权利要求2所述的信道压缩方法，其特征在于，对所述信道状态信息进行裁切预处理，得到第二预处理结果，包括：
对所述信道状态信息进行第一裁切预处理时，保留第一数量个元素，对其余元素进行裁切，得到第一裁切预处理结果，所述第一数量是第一预设值或者根据第一预设门限进行筛选得到的需要保留元素的个数；或者
对所述信道状态信息进行第二裁切预处理时，以位图方式标记保留的第二数量个元素的位置，对其余元素进行裁切，得到第二裁切预处理结果，所述第二数量是第二预设值或者根据第二预设门限进行筛选得到的需要保留元素的个数。
5.根据权利要求4所述的信道压缩方法，其特征在于，
所述第一裁切预处理结果包括：第一数量个元素的位置以及裁切得到的其余元素；
所述第二裁切预处理结果包括：以位图方式标记保留的第二数量个元素的位置以及裁切得到的其余元素。
6.根据权利要求4所述的信道压缩方法，其特征在于，所述第一数量和所述第二数量为网络设备预配置或者终端确定；
所述第一数量和所述第二数量为网络设备预配置时，通过高层信令预配置给终端；
所述第一数量和所述第二数量为终端确定时，将终端确定的所述第一数量和所述第二数量上报至网络设备。
7.根据权利要求2所述的信道压缩方法，其特征在于，对所述信道状态信息进行循环移位预处理，得到第三预处理结果，包括：
若信道的第一个元素满足预设条件，将信道的目标元素循环移位到第一个元素的位置，并记录目标元素对应的位置，得到第三预处理结果。
8.根据权利要求7所述的信道压缩方法，其特征在于，所述第三预处理结果包括：循环移位后得到的信道，以及，目标元素对应的位置。
9.根据权利要求2所述的信道压缩方法，其特征在于，对第一预处理结果进行裁切预处理，得到第二预处理结果，包括：
基于所述第一预处理结果，保留信道时延和/或保留角度最大值周围的第一数量个元素，对其余元素进行裁切，得到第二预处理结果，所述第一数量是第一预设值或者根据第一预设门限进行筛选得到的需要保留元素的个数。
10.根据权利要求2所述的信道压缩方法，其特征在于，对第一预处理结果进行循环移位预处理，得到第三预处理结果，包括：
基于所述第一预处理结果，判断若信道的第一个元素不是信道时延和/或保留角度最大值时，则从信道时延和/或保留角度最大值的元素开始顺序循环移位，将信道时延和/或保留角度最大值循环移位到第一个元素的位置，并记录信道时延和/或保留角度最大值对应的位置，得到第三预处理结果。
11.根据权利要求1所述的信道压缩方法，其特征在于，所述信道状态信息包括以下至少一项：
信道矩阵；
信道特征向量；
信道预编码矩阵。
12.根据权利要求1所述的信道压缩方法，其特征在于，所述目标信道压缩模型是在预先训练好的多个不同裁切比例的机器学习模型中选择一目标机器学习模型；所述多个不同裁切比例的机器学习模型通过以下过程进行训练：
获取仿真模型产生的或者终端上报的频域复用下行信道形成的下行信道数据集；
对所述下行信道数据集中的下行信道进行多个不同预设裁切比例的裁切处理，得到多个不同预设裁切比例的裁切处理结果；
根据多个不同预设裁切比例的裁切处理结果，分别输入到预设机器学习模型中进行训练，得到多个不同裁切比例的机器学习模型。
13.一种信道恢复方法，其特征在于，应用于网络设备，所述方法包括：
向终端发送用于信道估计的参考信号；
接收终端反馈的压缩后的信道信息和/或压缩信道时对信道状态信息进行预处理得到的预处理结果；压缩后的所述信道信息是终端根据参考信号进行信道测量得到信道状态信息，并对所述信道状态信息进行预处理，得到预处理结果；并根据所述预处理结果，利用目标信道压缩模型对信道状态信息进行压缩处理，得到的；
根据所述目标信道解压模型对压缩信道进行恢复，得到恢复后的信道。
14.根据权利要求13所述的信道恢复方法，其特征在于，所述预处理结果包括以下中的一项：
对所述信道状态信息变换到角度域、时延域或者多普勒域得到的第一预处理结果；
对所述信道状态信息或者第一预处理结果进行裁切预处理得到的第二预处理结果；
对所述信道状态信息或者第一预处理结果进行循环移位预处理得到的第三预处理结果。
15.根据权利要求14所述的信道恢复方法，其特征在于，根据所述目标信道解压缩模型对压缩后的信道信息进行恢复，得到恢复后的信道信息包括：
根据所述目标信道解压模型和所述预处理结果，对压缩后的信道信息进行恢复，得到恢复后的信道信息。
16.根据权利要求13所述的信道恢复方法，其特征在于，所述目标信道解压模型是在预先训练好的多个不同裁切比例的机器学习模型中选择一目标机器学习模型；所述多个不同裁切比例的机器学习模型通过以下过程进行训练：
获取仿真模型产生的或者终端上报的频域复用下行信道形成的下行信道数据集；
对所述下行信道数据集中的下行信道进行多个不同预设裁切比例的裁切处理，得到多个不同预设裁切比例的裁切处理结果；
根据多个不同预设裁切比例的裁切处理结果，分别输入到预设机器学习模型进行训练，得到多个不同裁切比例的机器学习模型。
17.一种终端，其特征在于，包括：
估计模块，用于测量网络设备发送的参考信号，得到信道状态信息；
处理模块，用于对所述信道状态信息进行预处理，得到预处理结果；根据所述预处理结果，利用目标信道压缩模型对信道状态信息进行压缩处理，得到压缩后的信道信息；
收发模块，用于将压缩后的所述信道信息和/或所述预处理结果发送给网络设备。
18.一种网络设备，其特征在于，包括：
收发模块，用于向终端发送参考信号；并接收终端反馈的压缩后的信道信息和/或压缩信道时对信道状态信息进行预处理得到的预处理结果；压缩后的所述信道信息是终端对参考信号进行信道测量得到信道状态信息，并对所述信道状态信息进行预处理，得到预处理结果；并根据所述预处理结果，利用目标信道压缩模型对信道进行压缩处理，得到的；
处理模块，用于根据目标信道解压模型对压缩后的信道信息进行恢复，得到恢复后的信道信息。
19.一种通信设备，其特征在于，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如权利要求1至12任一项所述的方法或者权利要求13至16任一项所述的方法。
20.一种计算机可读存储介质，其特征在于，存储指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1至12任一项所述的方法或者权利要求13至16任一项所述的方法。
CN202210171751.4A 2022-02-24 2022-02-24 一种信道压缩、恢复方法、装置及设备 Pending CN116723066A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210171751.4A CN116723066A (zh) 2022-02-24 2022-02-24 一种信道压缩、恢复方法、装置及设备
PCT/CN2023/073892 WO2023160336A1 (zh) 2022-02-24 2023-01-30 一种信道压缩、恢复方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210171751.4A CN116723066A (zh) 2022-02-24 2022-02-24 一种信道压缩、恢复方法、装置及设备

Publications (1)

Publication Number Publication Date
CN116723066A true CN116723066A (zh) 2023-09-08

Family

ID=87764727

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210171751.4A Pending CN116723066A (zh) 2022-02-24 2022-02-24 一种信道压缩、恢复方法、装置及设备

Country Status (2)

Country Link
CN (1) CN116723066A (zh)
WO (1) WO2023160336A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117856947A (zh) * 2024-02-21 2024-04-09 荣耀终端有限公司 Csi压缩模型指示方法及通信装置
CN118861691A (zh) * 2024-09-23 2024-10-29 国网安徽省电力有限公司电力科学研究院 集控系统中报警信息目标模型的构建方法、系统、应用

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109474316B (zh) * 2018-11-22 2021-11-09 东南大学 一种基于深度循环神经网络的信道信息压缩反馈方法
EP4091261A4 (en) * 2020-01-14 2023-10-11 Nokia Technologies Oy METHOD, DEVICE AND COMPUTER STORAGE MEDIUM FOR COMMUNICATION
CN113824479A (zh) * 2020-06-19 2021-12-21 株式会社Ntt都科摩 无线通信系统的终端、基站以及由终端和基站执行的方法
CN113381950B (zh) * 2021-04-25 2022-11-25 清华大学 基于网络聚合策略的高效mimo信道反馈方法及装置
CN113726375B (zh) * 2021-08-17 2022-10-14 北京理工大学重庆创新中心 一种基于深度学习的信道信息压缩反馈重建方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117856947A (zh) * 2024-02-21 2024-04-09 荣耀终端有限公司 Csi压缩模型指示方法及通信装置
CN118861691A (zh) * 2024-09-23 2024-10-29 国网安徽省电力有限公司电力科学研究院 集控系统中报警信息目标模型的构建方法、系统、应用

Also Published As

Publication number Publication date
WO2023160336A1 (zh) 2023-08-31

Similar Documents

Publication Publication Date Title
EP2942895B1 (en) Multi-granular feedback reporting and feedback processing for precoding in telecommunications
EP3900207B1 (en) Methods and apparatuses for feedback reporting in a wireless communications network
US8451926B2 (en) Method and device for pre-coding in multiple input multiple output system
CN113258974B (zh) 信道状态信息反馈方法、装置、终端、网络侧和存储介质
JP2008118650A (ja) 循環遅延ダイバーシティ遅延値の確定方法、システム、基地局及びｕｅ
EP2410785B1 (en) Method and device for estimating downlink channel quality
EP1914947A1 (en) Pre-coding for MIMO system
WO2023160336A1 (zh) 一种信道压缩、恢复方法、装置及设备
CN102725967A (zh) 用于信息反馈以及预编码的方法和装置
CN104202130A (zh) 使用基础码本和差分码本的波束成形
US20240313839A1 (en) Classification of csi compression quality
WO2008011451A2 (en) Reduced feedback transmit beamforming
US20240187283A1 (en) Channel information feedback method, channel information recovery method, and apparatus
US20240396766A1 (en) Improved pilot assisted radio propagation channel estimation based on machine learning
TWI584665B (zh) 頻道狀態資訊回饋
CN102598731B (zh) 获取下行信道状态信息的方法及装置
KR101092686B1 (ko) 직교 주파수 분할 다중 접속 기반 다중안테나 무선 시스템에서 송신 빔포밍 방법 및 장치
WO2015090021A1 (zh) 波束质量信息反馈方法和系统
CN101931440B (zh) 信道状态信息获取方法及装置
KR20170032444A (ko) 데이터 전송 방법 및 장치
CN107529691B (zh) 一种无线通信中的方法和装置
CN101174925A (zh) 确定循环延迟分集延迟值的方法、系统、基站及用户设备
KR101426722B1 (ko) 변환 디바이스 및 방법
CN103685093A (zh) 一种显式反馈方法及设备
CN110663196B (zh) 一种交换信道状态信息的设备和方法

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