基于人工智能的大规模MIMO信道状态信息反馈综述*

陈成瑞，程 港，何世彪，廖 勇

(1.重庆工程学院 电子信息学院，重庆 400056；2.重庆大学 微电子与通信工程学院，重庆 400044)

0 引 言

随着科技的快速发展，人们对无线设备的数量、数据传输速率以及可靠性等需求逐步增长，第五代(5G)移动通信技术也逐渐普及。为了达到5G高可靠、大容量的性能要求，大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)技术通过在基站(Base Station,BS)部署大规模天线阵列，成倍提高频谱效率和能量效率，已成为5G的关键技术之一[1]。

在大规模MIMO系统中，BS能够在低信噪比的情况下恢复从用户设备接收到的信息，同时为多个用户提供服务[2-3]。然而，BS需要获取瞬时信道状态信息(Channel State Information,CSI)才能获得这些增益，而获得的CSI的准确性直接影响到大规模MIMO系统的性能[4]。对于上行链路，只需要用户端发送训练导频，BS就可以很容易地通过终端发送的导频来准确估计CSI，而下行链路的CSI获取很难实现，这也是在当前大规模MIMO技术中需要解决的问题。在时分双工(Time Division Duplex,TDD)模式中，BS通过上行链路发送训练导频进行信道估计，再利用互易性就可以推断出下行链路的CSI[5]。而在频分双工(Frequency Division Duplex,FDD)模式中存在弱互易性，这使得通过观察上行链路CSI[6]来推断下行链路的CSI变得困难。在传统的MIMO系统中，FDD系统的下行链路CSI首先由用户端通过下行导频估计获取后反馈给BS，然后采用基于码本或者采用矢量量化的方法来减小反馈开销[7]，但是这种方式在大规模MIMO中是不可行的，因为在BS处使用了大量天线，这将大大增加CSI矩阵的维数，码本的反馈量和设计复杂度会显著提升。……