公开(公告)号：CN105790813B

公开(公告)日：2018-11-06

申请号：CN201610327115.0

申请日：2016-05-17

Applicant: 重庆邮电大学

Inventor： 龙恳 ,  刘月贞 ,  余翔 ,  王维维 ,  闫冰冰 ,  杜飞

IPC: H04B7/0456

Abstract: 本发明涉及一种大规模MIMO(Multiple‑Input Multiple‑Output，多输入多输出)下基于深度学习的码本选择方法，属于无线通信技术领域。该方法包括：采集测试区的导频信息构建导频训练序列，进而得到导频训练样本；对导频训练样本进行神经网络迭代学习，得到最终的网络权重值；根据学习后的神经网络输出的信道，从完备码本中选出最优码字。之后将未知区与测试区进行信道信息匹配，得到其无线信道，进而得到与无线信道对应的码字。本发明能有效、准确、快速地建立无线信道模型与码本查询，避免了未知区的信道估计且大大降低了未知区信道选择码本的复杂度。

公开(公告)号：CN105790813A

公开(公告)日：2016-07-20

申请号：CN201610327115.0

申请日：2016-05-17

Applicant: 重庆邮电大学

Inventor： 龙恳 ,  刘月贞 ,  余翔 ,  王维维 ,  闫冰冰 ,  杜飞

IPC: H04B7/04

CPC classification number: H04B7/0456

Abstract: 本发明涉及一种大规模MIMO(Multiple?Input Multiple?Output，多输入多输出)下基于深度学习的码本选择方法，属于无线通信技术领域。该方法包括：采集测试区的导频信息构建导频训练序列，进而得到导频训练样本；对导频训练样本进行神经网络迭代学习，得到最终的网络权重值；根据学习后的神经网络输出的信道，从完备码本中选出最优码字。之后将未知区与测试区进行信道信息匹配，得到其无线信道，进而得到与无线信道对应的码字。本发明能有效、准确、快速地建立无线信道模型与码本查询，避免了未知区的信道估计且大大降低了未知区信道选择码本的复杂度。