中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
桂冠,王洁,杨洁,刘淼,孙金龙.基于深度学习的频分复用大规模多输入多输出下行信道状态信息获取技术[J].数据采集与处理,2022,37(3):502-511
基于深度学习的频分复用大规模多输入多输出下行信道状态信息获取技术
Frequency Division Duplex Massive Multiple-input Multiple-output Downlink Channel State Information Acquisition Techniques Based on Deep Learning
投稿时间:2022-01-12  修订日期:2022-04-20
DOI:10.16337/j.1004-9037.2022.03.003
中文关键词:  信号与信息处理  频分复用  大规模MIMO  信道状态信息  深度学习
英文关键词:signal and information processing  frequency division  massive MIMO  channel state information  deep learning
基金项目:
作者单位邮编
桂冠 南京邮电大学通信与信息工程学院南京 210003 210003
王洁 南京邮电大学通信与信息工程学院南京 210003 210003
杨洁 南京邮电大学通信与信息工程学院南京 210003 210003
刘淼 南京邮电大学通信与信息工程学院南京 210003 210003
孙金龙 南京邮电大学通信与信息工程学院南京 210003 210003
摘要点击次数: 302
全文下载次数: 5719
中文摘要:
      大规模多输入多输出(Multiple input multiple output, MIMO)技术的演进是第6代(The sixth generation, 6G)无线通信系统性能进一步提升的重要支撑。随着天线阵列规模的持续扩大,频分复用(Fvequency division duplexing, FDD)大规模MIMO系统获取下行信道状态信息(Channel state information, CSI)面临着严峻挑战。深度学习具有强大的学习及处理高维数据的能力,能够为解决这一挑战提供新的方案。本文综述了基于深度学习的FDD大规模MIMO下行CSI获取技术,包括CSI反馈和预测技术。首先给出了基于深度学习的CSI反馈和预测的原理框架,其次分析比较了国内外相关研究成果的优越性能,为解决面向6G的FDD大规模MIMO系统获取下行CSI问题提供了可行的参考方案。最后讨论了FDD大规模MIMO下行CSI获取的有待进一步解决的开放性问题以及所对应的潜在研究方案。
英文摘要:
      The evolution of massive multiple-input multiple-output (MIMO) techniques is an important support for further improving the performance of six-generation (6G) wireless communication systems. However, with the continuous expansion of large-scale antenna arrays, frequency division duplex (FDD) massive MIMO systems are facing severe challenges in acquiring downlink channel state information (CSI). Deep learning has a powerful ability to learn and process high-dimensional data, which provides a potential solution to this challenge. In this paper, we survey FDD massive MIMO downlink CSI acquisition techniques based on deep learning, including CSI feedback and prediction techniques. Firstly, the theoretical frameworks of CSI feedback and prediction based on deep learning are presented. Then, the superior performance of relevant research results at home and abroad is analyzed, providing a reference scheme for solving the problem of acquiring downlink CSI in FDD massive MIMO systems towards 6G. Finally, unsolved open problems of FDD massive MIMO downlink CSI acquisition are discussed, followed by potential solutions correspondingly.
查看全文  HTML  查看/发表评论

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第2826577位访问者 本站今日一共被访问827

技术支持:北京勤云科技发展有限公司