典型文献
基于双重注意力机制的大规模MIMO系统CSI反馈
文献摘要：
在频分双工大规模多输入多输出(Multiple Input Multiple Output,MIMO)系统中,针对现有基于深度学习信道状态信息(Channel State Information,CSI)反馈方法重建精度低、未考虑量化损失以及压缩率固定的问题,提出一种基于注意力机制和密集连接卷积网络的多压缩率CSI反馈方案.该方法采用双重注意力机制提取CSI空间和时间相关性,串行全连接网络和密集连接卷积网络分别压缩和重构CSI.实验结果表明:在室内信道条件下,与基于卷积神经网络CsiNet相比,所提方法的参数量较少,归一化均方误差平均降低4.8 dB.所提反馈方法仅8比特量化可实现与未量化相近的重建精度.
文献关键词：
大规模MIMO;信道状态信息;注意力机制;卷积神经网络;多压缩率反馈
中图分类号：
作者姓名：
陈发堂;戴东林;袁立
作者机构：
重庆邮电大学通信与信息工程学院,重庆 400065
文献出处：
引用格式：
[1]陈发堂;戴东林;袁立-.基于双重注意力机制的大规模MIMO系统CSI反馈)[J].南京邮电大学学报（自然科学版）,2022(06):10-18
A类：
CsiNet,多压缩率反馈
B类：
双重注意力机制,MIMO,CSI,频分双工,工大,大规模多输入多输出,Multiple,Input,Output,信道状态信息,Channel,State,Information,重建精度,密集连接卷积网络,空间和时,时间相关性,串行,全连接网络,参数量,归一化均方误差,dB,比特
AB值：
0.294376
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
