基于特征融合的大规模MIMO系统CSI反馈

信道状态信息(Channel State Information,CSI)反馈是大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统的一个关键问题。大规模MIMO系统中基站天线数量巨大,CSI反馈出现了反馈开销大、反馈精度低等问题。为了降低反馈开销,提高反馈精度,采用深度学习方法,提出了一种基于特征融合的CSI反馈网络(Feature Fusion Net,FFNet)。利用基于注意力机制的特征融合在编码器中融合不同尺度的CSI特征,并在解码器中使用多通道多分辨率卷积网络以及通道重排,从而高精度地重建压缩后的CSI。仿真结果表明,与几种经典的深度学习CSI反馈方法相比,在室内和室外信道条件下,均具有更高的反馈精度。

基于椭圆曲线密码算法的医学数据共享方案

为保障医学数据共享过程中的安全性,充分利用椭圆曲线密码体制(Elliptic Curve Cryptography,ECC)的高安全性和低计算开销的特点,基于国密算法SM2设计一个轻量化的数据共享方案,并结合不经意传输(oblivious transfer,OT)技术实现数据的匿踪查询。结果表明,该方案在保证数据安全性的同时,还可降低计算和通信开销。