公开(公告)号：CN118381573A

公开(公告)日：2024-07-23

申请号：CN202410469443.9

申请日：2024-04-18

Applicant: 东南大学

Inventor： 杨绿溪 ,  孙欣然 ,  张征明 ,  黄永明 ,  李春国 ,  俞菲 ,  徐琴珍

IPC: H04B17/309 ,  H04B17/391 ,  H04B7/06 ,  G06N3/0464

Abstract: 本发明公开了融合Transformer和混合卷积的大规模MIMO信道信息反馈方法，包括：(1)构造融合Transformer和混合卷积的多层编码器和解码器结构，结合Transformer模型和卷积网络的结构优势，获取信道信息不同尺度上的整体和局部特征信息，进行信道信息的压缩和恢复。(2)构造通道量化变分自编码器作为量化模型，将压缩后的信道信息转换为潜在表示，与码本中的嵌入向量相匹配，构造信道信息传输比特流。相比于先前的信道信息反馈模型，本发明提高了信道信息的反馈质量和效率，其中Transformer和混合卷积的融合减轻了信道信息压缩造成的信息损失，通道量化变分自编码器量化模型进一步降低了信道信息反馈开销，维护信道信息反馈精度。

公开(公告)号：CN119171953A

公开(公告)日：2024-12-20

申请号：CN202411431125.X

申请日：2024-10-14

Applicant: 东南大学

Inventor： 杨绿溪 ,  孙欣然 ,  张征明 ,  黄永明 ,  李春国 ,  俞菲 ,  徐琴珍

IPC: H04B7/06 ,  H04B7/0417 ,  H04B7/0413 ,  H04L41/14 ,  H04L41/16 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种基于多尺度特征融合的大规模MIMO系统的信道信息反馈方法，包括：1、构建基于多尺度特征融合的编码器和解码器网络，将新型选择性状态空间与多头注意力模型和混合卷积相结合，通过输入选择性机制进一步增强信道状态信息(CSI)远程建模能力，提取多尺度信道特征用于CSI(解)压缩。2、构造卷积增强向量量化模型，利用降维卷积在相同反馈开销下进一步提高反馈精度。3、构造信道特征增强(CFE)模块，利用升通道卷积辅助解压缩全连接，进一步减少信道信息丢失。本发明的编解码器利用输入选择性机制、多头注意力和卷积提取多尺度CSI特征，结合卷积增强向量量化模型和CFE模块完成高精度信道信息反馈。