公开(公告)号：CN115913423B

公开(公告)日：2024-05-14

申请号：CN202211348415.9

申请日：2022-10-31

Applicant: 华中科技大学

Inventor： 彭薇 ,  毛栋厅

IPC: H04B17/391 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种非平稳大规模MIMO信道的多步预测模型训练方法及利用该预测模型进行多步预测的方法，其中，训练方法包括：准备训练集，其中每对样本以前n个时刻的CSI数据作为输入数据，以后n个时刻的CSI数据作为输出数据；获取多步预测模型，多步预测模型包括依次连接的伪三维卷积层网络、混合注意力模块和伪三维转置卷积层网络；使每个样本重构为(时间×频点高×频点宽)的三维CSI实部数据和(时间×频点高×频点宽)的三维CSI虚部数据并分别输入多步预测模型的不同通道，进行训练，以使多步预测模型输出n个预测CSI数据向真实数据收敛。本发明利用频域相关性，采用图像处理方式训练神经网络得到多步预测模型，实现高精度的多步预测。

公开(公告)号：CN115913423A

公开(公告)日：2023-04-04

申请号：CN202211348415.9

申请日：2022-10-31

Applicant: 华中科技大学

Inventor： 彭薇 ,  毛栋厅

IPC: H04B17/391 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种非平稳大规模MIMO信道的多步预测模型训练方法及利用该预测模型进行多步预测的方法，其中，训练方法包括：准备训练集，其中每对样本以前n个时刻的CSI数据作为输入数据，以后n个时刻的CSI数据作为输出数据；获取多步预测模型，多步预测模型包括依次连接的伪三维卷积层网络、混合注意力模块和伪三维转置卷积层网络；使每个样本重构为(时间×频点高×频点宽)的三维CSI实部数据和(时间×频点高×频点宽)的三维CSI虚部数据并分别输入多步预测模型的不同通道，进行训练，以使多步预测模型输出n个预测CSI数据向真实数据收敛。本发明利用频域相关性，采用图像处理方式训练神经网络得到多步预测模型，实现高精度的多步预测。