基于SE-CsiNet的大规模MIMO信道状态信息反馈与重建算法

本文研究了大规模多输入多输出(MIMO)系统FDD模式下行链路信道状态信息(CSI)反馈与重建问题,针对传统基于压缩感知的CSI反馈与重建算法存在的计算复杂度高、对信道稀疏性要求严格等问题,以及现有的基于深度学习的CSI反馈与重建算法存在的性能不足问题,提出了一种基于联合注意力机制神经网络的大规模MIMO信道状态信息反馈与重建算法,基于自编码器神经网络架构提出了一种全新的SE-CsiNet神经网络模型,在译码器网络当中引入联合压缩-激活(SE)注意力机制算法,有效提高神经网络的特征提取能力。结果表明,所提出的算法相较于传统CSI反馈与重建算法及现有的深度学习算法性能更为优异。