-
公开(公告)号:CN115459824A
公开(公告)日:2022-12-09
申请号:CN202210888811.4
申请日:2022-07-27
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于深度学习的空频联合信道反馈方法,包括将具有空频相关性的信道矩阵H作为空频联合信道反馈模型的输入;建立空频联合信道反馈模型SFCNet(Space‑Frequency CompressionNet,SFCNet);通过若干层卷积神经网络充分提取信道矩阵内部特征联系,然后重塑为一维向量,继而被反馈给基站端的解码器进行恢复和重构;对SFCNet模型进行更优化的联合反馈训练;衡量SFCNet模型效果。本发明可以利用信道空频相关性进行联合反馈,提取同一用户在不同频率上的信道之间的相关性和不同用户在同一频率上的信道之间的相关性,从而降低了反馈开销,提升了反馈效率。