典型文献
基于深度学习的频分复用大规模多输入多输出下行信道状态信息获取技术
文献摘要：
大规模多输入多输出(Multiple input multiple output,MIMO)技术的演进是第6代(The sixth generation,6G)无线通信系统性能进一步提升的重要支撑.随着天线阵列规模的持续扩大,频分复用(Fvequency division duplexing,FDD)大规模MIMO系统获取下行信道状态信息(Channel state information,CSI)面临着严峻挑战.深度学习具有强大的学习及处理高维数据的能力,能够为解决这一挑战提供新的方案.本文综述了基于深度学习的FDD大规模MIMO下行CSI获取技术,包括CSI反馈和预测技术.首先给出了基于深度学习的CSI反馈和预测的原理框架,其次分析比较了国内外相关研究成果的优越性能,为解决面向6G的FDD大规模MIMO系统获取下行CSI问题提供了可行的参考方案.最后讨论了FDD大规模MIMO下行CSI获取的有待进一步解决的开放性问题以及所对应的潜在研究方案.
文献关键词：
信号与信息处理;频分复用;大规模MIMO;信道状态信息;深度学习
中图分类号：
作者姓名：
桂冠;王洁;杨洁;刘淼;孙金龙
作者机构：
南京邮电大学通信与信息工程学院,南京 210003
文献出处：
引用格式：
[1]桂冠;王洁;杨洁;刘淼;孙金龙-.基于深度学习的频分复用大规模多输入多输出下行信道状态信息获取技术)[J].数据采集与处理,2022(03):502-511
A类：
Fvequency
B类：
频分复用,大规模多输入多输出,出下,信道状态信息,信息获取,Multiple,input,multiple,output,MIMO,sixth,generation,6G,无线通信系统,系统性能,天线阵列,阵列规模,division,duplexing,FDD,取下,Channel,state,information,CSI,高维数据,预测技术,开放性问题,研究方案,信号与信息处理
AB值：
0.327632
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。
