[发明专利]基于深度学习的通信方法、装置及系统

说明书

本申请实施例提供一种基于深度学习的通信方法、装置及系统，包括：接收来自第一无线通信设备的第一码字；其中，第一码字是第一无线通信设备根据估计的信道矩阵确定的；通过基于深度学习的去噪网络对第一码字去噪，并根据去噪后的第一码字确定信道矩阵对应的重构信道矩阵；根据重构信道矩阵向第一无线通信设备发送消息。上述方法中，通过对第一码字进行去噪处理，使得根据去噪后的第一码字确定的重构信道矩阵更加准确，更加接近于第一无线通信设备估计的信道矩阵，从而实现提高非理想信道中信号传输的鲁棒性。

技术领域

本申请涉及通信技术领域，尤其涉及一种基于深度学习的通信方法、装置及系统。

背景技术

在多输入多输出(tultiple input tultiple output，MIMO)系统中，通信质量的保障来自于对信道状态信息(channel state information，CSI)的精确获取。在时分双工(time division duplex，TDD)系统中，其上下行信道具有互易性，基站可以利用估计得到的上行链路的CSI确定下行链路的CSI，从而根据上行链路的CSI实现下行链路传输的波束赋形。而对于频分双工(frequencydivision duplex，FDD)系统，由于上下行链路工作于不同的频率，因此上行链路的CSI不能用来确定下行链路的CSI，即基站不能直接估计得到下行链路的CSI。为此，需要终端设备将估计得到下行链路的CSI，反馈到基站。基站可以再根据终端设备反馈的CSI进行下行链路传输。

大规模MIMO系统的特点是天线数目多、频带宽度大，这带来了更高的传输速率和频谱效率。与此同时，针对于大规模MIMO系统，如何准确地传输或获取CSI需要进行研究。

发明内容

本申请实施例提供一种基于深度学习的通信方法、装置及系统，通过该方案，无线通信设备能够在非理想传输的信道条件下，准确地获取信道状态信息。

第一方面，提供一种基于深度学习的通信装置，包括：通信单元，用于接收来自第一无线通信设备的第一码字，所述第一码字根据所述第一无线通信设备估计的信道矩阵确定；处理单元，用于通过基于深度学习的去噪网络对所述第一码字去噪，并根据去噪后的所述第一码字确定所述信道矩阵对应的重构信道矩阵；所述通信单元，还用于根据所述重构信道矩阵，向所述第一无线通信设备发送消息。

通过上述方法，对接收到的第一码字进行去噪处理，使得根据去噪后的第一码字确定的重构信道矩阵更加接近于第一无线设备估计的信道矩阵，从而实现在非理想信道传输的情况下，准确的获取信道矩阵，提高传输鲁棒性。

一种可能的实施方式中，所述处理单元用于通过基于深度学习的去噪网络对所述第一码字去噪，具体包括：在确定接收的所述第一码字的信号质量小于阈值时，通过基于深度学习的去噪网络对所述第一码字去噪。

通过上述方法，在确定第一码字的信号质量小于阈值时，可以确定信道质量较差，从而可以通过去噪网络降低信道中噪声的影响。

一种可能的实施方式中，所述处理单元，用于通过基于深度学习的去噪网络对所述第一码字去噪，具体包括：所述处理单元，用于确定与所述第一码字的长度对应的基于深度学习的去噪网络，并通过对应于所述第一码字的长度的基于深度学习的去噪网络对所述第一码字去噪。

一种可能的实施方式中，所述通信单元，还用于根据所述重构信道矩阵，向所述第一无线通信设备发送消息，具体包括：根据所述重构信道矩阵对发送波束进行波束赋形，并通过所述发送波束向所述第一无线通信设备发送消息。

一种可能的实施方式中，所述基于深度学习的去噪网络采用sigmoid激活函数，且满足KL散度稀疏约束。

通过使用KL散度稀疏约束，可以防止去噪网络在进行去噪时产生过拟合。