【MIMO系统发展研究的国内外文献综述1600字】.pdfVIP

mimo系统发展研究的国内外文献综述

无论是对于MIMO系统或是大规模MIMO系统，准确而及时的获知CSI都

对传输质量、传输效率、干扰协调能力以及调度性能的提升具有重要意义。对于

中低移动速度的UE,由于信道变化缓慢，利用当前或者过去的CSI可以较好地

预测短时间内下一次传输时刻的CSI,因此往往用闭环传输方案，该方案需要

接收端将CSI反馈给发射端；而对于高速移动用户，因为信道变化剧烈，所以一

般用开环传输方案，该方案不需要接收端做任何反馈，所以对发射端功率进行

平均分配。因此，CSI的获取方式和反馈机制以及发射机对CSI的利用方式的选

择是大规模MIMO系统设计的关键环节。本节针对大规模MIMO系统CSI反馈

问题，分别从传统信道反馈方案和基于深度学习的方案两个方面来介绍国内外的

研究现状。

1传统信道反馈方案

目前最常用的传统信道反馈方案主要分为两种，一种是基于码本的反馈，另

一种是基于压缩感知(CompressedSensing,CS)的反馈，下面对这两种研究方

案的现状分别进行介绍：

1、基于码本的反馈：这种反馈方案以码本类型和码字选择算法为核心将CSI

映射为码字。假设当前信道是独立同分布的，Grassmannian量化码本根据大规模

MIMO信道的特点且在其主导右奇异向量均匀分布在空间的基础上，以最大化大

规模MIMO码本矢量之间的最小距离为目标生成码本错误!未找到引用源。，而随机矢量量

化码本随机生成码本错误!未找到引用源。，离散傅里叶变换码本将角度域均匀地划分为2B

(6为反馈位数)部分，并且基于到达/离开角的量化来生成码本错误!未找到引用源。。随

着用户终端日益增长的通信需求，当使用基于码本的信道反馈方案反馈维数巨大

的CSI,需要过多的反馈比特数，且CSI维数越大该方案反馈精度越低错误!未找到引用

源。

O

2、基于压缩感知的反馈：该方案利用信道的强空间相关性，在极小样率

的条件下，对信息进行压缩和重建错误!未找到引用源。。在文献错误!未找到引用源。中,

将两种原始稀疏矩阵相结合作为稀疏矩阵，提出了一种自适应压缩感知信道反馈

方法；在文献错误!未找到引用源。的基础上，文献错误!未找到引用源。对信道

进行独立主元变换后的信号进行压缩；文献错误!未找到引用源。通过主成分分

析方法，对前一长时阶段估计得到当前的压缩矩阵，但是基站较难获得及时且准

确的CSI。对于基于CS的反馈方案，其核心是利用某些变换域中所展现出的潜

在的稀疏性来减少反馈开销错误味找到引用源。，但是，大多数基于CS的方案都需要假

设信道具有很强的稀疏性，并且重构算法通常是迭代的，这会导致额外的延迟。

2基于深度学习的信道反馈方案

使用传统方法进行信道反馈将导致反馈开销大、反馈精度低等问题，考虑到

用户的通信需求以及CSI反馈对于大规模MIMO系统性能的提升至关重要，所

以该问题亟待解决。DL技术通过多层人工神经网络进行学习以解决目标问题或

者目标任务，因此对于解决非线性问题非常有潜力，且DL技术已经在无线通信

物理层的资源分配错误味找到引用源。、信号分类错误!未找到引用源。、信道估计错误!未找到引用源。和信号

检测错误!未找到引用源。等方面有了应用，这为解决信道反馈问题提供了新的思考方式。

目前，已有一些研究工作成功将DL技术应用于大规模MIMO系统的信道反

馈中，以解决传统方法存在的问题。文献错误!未找到引用源。开创了该方向研

究工作的先河，提出了一种基于自动编码器(AutoEncoder,AE)的网络结构

CsiNet,与基于CS的方法相比，CsiNet可以显著提高CSI的重建质量；文献错

误!未找到引用源。在CsiNet的基础上，在压缩/解压缩模块加入长短期记忆网络

LongShort-TermMemory,LSTM),LSTM利用无线信道的相关性提升性能,

文献错误!未找到引用源。还进一步修改了网络体系结构，大大减少了训练的参

数数量；同样，文献错误!未找到引用源。在文献错误!未找到引用源。的基础上

进一步扩展CsiNet,提出了一种实时CSI反馈结构CsiNetLSTM,通过直接学习

空间结构并结合时变大规模MIMO信道的训练样本的时间相关性，提高了恢复

质量并改善了压缩比和复杂度之间的平衡；文献错误!未找到引用源。在基于CS

方法的基础上，提出了一种完全数据驱动的方法来优化波束空间信道压缩的测量