利用频分双工信道隐式互易性的信道信息压缩反馈方法

本发明属于压缩感知、信道信息恢复，尤其涉及一种利用频分双工信道隐式互易性的信道信息压缩反馈方法。

背景技术：

1、大规模mimo已成为现代无线通信网络中的一项关键技术。通过在基站部署大规模天线阵列，大规模mimo可以有效地利用空间资源以减轻多用户干扰的影响，从而提高频谱和能量效率；然而，为了获得性能增益，基站需要得到准确的信道状态信息，在时分双工系统中，基站可以利用信道互易性直接由上行链路的信道状态信息获得下行链路的信道状态信息。相反，在频分双工系统中，必须将下行链路的信道状态信息由用户通过带宽受限的反馈链路反馈至基站；随着频分双工的大规模mimo系统中基站端部署天线数量的增长，获取下行信道信息需要消耗大量开销和资源，这使得需要对用户反馈的下行信道状态信息进行压缩，传统压缩方法有基于码本的方法和基于压缩感知的方法，但这些压缩方法的信道状态信息反馈开销仍和基站的天线数量之间的存在线性关系，这导致随着天线数量的增加，信道状态信息反馈开销显着增加。

2、由于深度学习技术强大的学习和并行计算能力，利用深度学习对用户反馈的下行信道状态信息进行压缩是一个有前途的方向，并且目前在方向上已经有许多有效的方法；然而，这些方法通常假设在频分双工大规模mimo系统中，上行信道和下行信道之间不存在互易性，从而忽略了上行信道信息在获取下行信道信息方面的潜在作用；但是，频分双工系统的双向信道中可能存在隐式互易性，因为它们实际上共享物理上相同的传播路径；因此，我们建议利用频分双工的大规模mimo系统中的这种隐式互易性来最小化反馈开销，并通过基站处的上行信道信息增强下行信道信息的恢复。

技术实现思路

1、发明目的：本发明目的在于提供一种利用频分双工信道隐式互易性的信道信息压缩反馈方法，能够充分利用上行信道和下行信道的隐式互易性并有效提取特征，以解决网络的压缩效率和恢复性能低的技术问题。

2、技术方案：为解决上述技术问题，本发明的具体技术方案如下：

3、一种利用频分双工信道隐式互易性的信道信息压缩反馈方法，包括以下步骤：

4、将上行和下行的空间频率域信道矩阵通过二维离散傅里叶变换转化到角度时延域，并进行时域裁剪、复数转化和归一化处理得到预处理后的下行信道信息矩阵hd和上行信道信息矩阵hu；

5、使用下行信道独有信息提取模块从输入的hd中提取下行信道的独有信息表示，记为zd，使用上下行信道共有信息提取模块从输入的hd和hu中提取上下行信道的共有信息表示，记为zs，使用虚拟上下行信道共有信息提取模块从输入的hu中提取与zs分布近似的表示，记作虚拟上下行共有表示rs；所述下行信道独有信息提取模块，部署在用户侧，通过一个全连接网络将提取出的包含下行独有信息的特征图压缩至给定压缩率大小的码字，并通过部署在基站侧的另一个全连接网络提取出下行独有表示zd；所述虚拟上下行信道共有信息提取模块部署在基站侧；

6、在训练时将zd与zs通过解码网络恢复成下行信道矩阵hd，在测试时则将zd与rs通过解码网络恢复成下行信道矩阵hd。

7、作为优选，对下行空间频率域信道矩阵和上行空间频率域信道矩阵执行一系列预处理操作得到预处理后的下行信道信息矩阵hd和上行信道信息矩阵hu，具体操作分别为：

8、二维离散傅里叶变换：其中fa为nt×nt的傅里叶矩阵，fb为nf×nf的傅里叶矩阵，上标*表示矩阵的共轭转置，h′d和h′u分别表示傅里叶变换后的下行信道矩阵和上行信道矩阵，nf为子载波数量，nt为基站天线数；

9、时域裁剪：对h′d和h′u进行裁剪，仅保留h′d和h′u中包含非零元素的前nc列，裁剪后的矩阵分别表示为h″d和h″u；

10、复数转化：分别将h″d和h″u的实部和虚部提取出来并在第三个维度上拼接，得到两个大小为nt×nc×2的三维矩阵h″′d和h″′u；

11、归一化处理：分别对h″′d和h″′u进行归一化处理，通过减去最小值并除以最大值与最小值的差值得到归一化后的下行信道信息矩阵hd和上行信道信息矩阵hu。

12、作为优选，所述下行独有信息提取模块包括第一非线性卷积层和至少两个由非线性卷积层组成的表示提取模块，第一非线性卷积层用于对下行信道信息矩阵的特征进行初步提取；表示提取模块由两路并行的非线性卷积分支和第二非线性卷积层组成，每个非线性卷积分支由多个级联的非线性卷积层组成，第一个卷积分支的多个非线性卷积层用于提取信道信息矩阵的密集特征；第二个卷积分支的多个非线性卷积层用于提取信道信息矩阵的稀疏特征；将两个卷积分支输出的特征图在第三个维度拼接最后通过第二非线性卷积层得到表示提取模块的输出，最后的表示提取模块的输出为下行独有信息提取模块的输出。

13、作为优选，所述上下行共有信息提取模块由两个与下行独有信息提取模块相同卷积路径和第三非线性卷积层组成，第一个卷积路径对hd提取共有信息特征，第二个卷积路径对hu提取共有信息特征；两个卷积路径的输出特征拼接后通过第三非线性卷积层输出zs的均值us和标准差ns，并将ns与一个标准高斯分布的采样相乘并加上us最终得到zs。

14、作为优选，所述虚拟上下行共有信息提取模块复用在上下行共有信息模块中对hu提取共有信息特征的卷积路径，将该卷积路径的输出特征通过第四非线性卷积层输出虚拟共有表示rs的均值ur和标准差σr，并将σr与一个标准高斯分布的采样相乘并加上ur最终得到rs。

15、作为优选，所述解码网络由第五非线性卷积层、至少两个信息恢复模块，以及非线性激活函数sigmoid层依次连接组成，第五非线性卷积层用于对输入的特征图进行初步的滤波并将其转换到与hd相同大小；sigmoid层用于将输出进行映射恢复出信道矩阵；

16、所述信息恢复模块包括多个并联的两层非线性卷积层，每个两层非线性卷积层用于对输入的信道信息特征图进行细化，提取有效特征并去除无效特征，将多个输出的特征图拼接后输入第六非线性卷积层，使特征图通道维度压缩至与原始输入一致后得到输出特征图，将原始输入与输出相加后最后经过激活层得到最终输出。

17、作为优选，整个网络框架的训练目标为最小化下式：

18、

19、其中i(zd；zs)表示zd与zs之间的互信息，i(zs；hd；hu)表示zs、hd和hu之间的互信息，pa(hd)表示hd的实际概率分布，p(hd)表示hd的重建概率，q(zs|hd,hu)和q(rs|hu)分别表示上下行共有信息提取模块估计的zs的概率分布和虚拟上下行共有信息提取模块估计的rs的概率分布，β、α、γ分别是正加权系数，k表示两个分布之间的kl散度。

20、进一步地，分别利用kl散度的非负性和jensen不等式对第一项和第二项进行松弛，得到上式松弛后的结果如下：

21、

22、其中q(zd|hd)表示下行独有信息提取模块估计的zd的概率分布，p(zd)和p(zs)为zd和zs的实际概率分布。

23、基于相同的发明构思，本发明提供一种利用频分双工信道隐式互易性的信道信息压缩反馈系统，包括：

24、预处理模块，用于将上行和下行的空间频率域信道矩阵通过二维离散傅里叶变换转化到角度时延域，并进行时域裁剪、复数转化和归一化处理得到预处理后的下行信道信息矩阵hd和上行信道信息矩阵hu；

25、编码模块，用于使用下行信道独有信息提取模块从输入的hd中提取下行信道的独有信息表示，记为zd，使用上下行信道共有信息提取模块从输入的hd和hu中提取上下行信道的共有信息表示，记为zs，使用虚拟上下行信道共有信息提取模块从输入的hu中提取与zs分布近似的表示，记作虚拟上下行共有表示rs；所述下行信道独有信息提取模块，部署在用户侧，通过一个全连接网络将提取出的包含下行独有信息的特征图压缩至给定压缩率大小的码字，并通过部署在基站侧的另一个全连接网络提取出下行独有表示zd；所述虚拟上下行信道共有信息提取模块部署在基站侧；

26、解码模块，用于在训练时将zd与zs通过解码网络恢复成下行信道矩阵hd，在测试时则将zd与rs通过解码网络恢复成下行信道矩阵hd。

27、基于相同的发明构思，本发明提供一种计算机系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被加载至处理器时实现所述的利用频分双工信道隐式互易性的信道信息压缩反馈方法的步骤。

28、有益效果：本发明首先将上行和下行的空间频率域信道矩阵通过二维傅里叶变换转化到角度时延域并进行裁剪，之后将信道矩阵的实部和虚部拆分成两个实数矩阵并合拼；通过三个编码器网络对下行信道进行解耦表征学习，分别提取下行信道独有信息，上下行信道共有信息，虚拟上下行信道共有信息；解码器网络在训练时通过下行信道独有信息和上下行信道共有信息恢复原始信道信息，在测试时通过下行信道独有信息和虚拟上下行信道共有信息恢复原始信道信息；与现有技术相比，本发明利用频分双工信道隐式互易性，提取上下行信道的共有信息，使得用户仅需反馈下行信道的独有信息，有效减少了信道反馈负载并改善了信道信息的恢复性能，具有显著的性能优势。