[发明专利]一种基于深度循环神经网络的信道信息压缩反馈方法

摘要

本发明公开了一种基于深度循环神经网络的信道信息压缩反馈方法，首先通过离散傅里叶变换将信道矩阵转化到角度‑时延域，然后保留信道矩阵中包含非零元素的列，并将这些列组成的复数矩阵拆分成双通道实数矩阵，用户侧首先利用卷积网络来抽取信道的频域特征，接着通过全连接神经网络和长短时间记忆网络对抽取的频域特征进行压缩，压缩信号通过系统反馈链路传输给基站，基站利用全连接神经网络和长短时间记忆网络对信号进行解压缩，并使用多层卷积神经网络对信道矩阵进行恢复重建。本发明通过引入循环神经网络，有效压缩了信道的时间冗余度，在保证较高性能的前提下提高了信道信息的压缩率。

主权项

1.一种基于深度循环神经网络的信道信息压缩反馈方法，其特征在于，包括如下步骤：预处理步骤：用户将正交频分复用(OFDM)系统中每个子载波上的信道响应向量堆叠成完整的信道响应矩阵，记为H；对H进行二维离散傅里叶变换，将其转换到角度‑时延域，然后将得到的角度‑时延域的信道矩阵裁剪，只保留含有非零元素的列；将裁剪后得到的信道矩阵按实部和虚部进行拆分，并将拆分得到的矩阵元素进行归一化操作；编码压缩步骤：利用卷积网络抽取信道的频域特征，并将卷积层输出的信息转化成一维张量；接着通过全连接神经网络和长短时间记忆网络各自输出后在末端相加，对抽取的频域特征进行压缩；压缩信号通过系统反馈链路传输给基站；解码恢复步骤：基站通过全连接神经网络和长短时间记忆网络各自输出后在末端相加对信号进行解压缩；将解压缩后的信号转化成三维张量；使用多层卷积神经网络对信道矩阵进行恢复重建。