基于AI通信的大规模MIMO信道状态信息反馈网络

在大规模多输入多输出系统中，由于天线数量的增加导致信道状态信息反馈带宽开销增大。为了减少反馈开销，提出了一种基于深度学习的反馈网络。该网络将卷积注意力模块和快速迭代收缩阈值算法(Fast Iterative Shrinkage Thresholding Algorithm,FISTA)进行了结合。为了贴合实际应用，考虑到了噪声情况，分析了阈值敏感度。仿真结果表明，该网络在不同环境下其性能和鲁棒性可以得到进一步提高。     

FBMC-OQAM系统定时同步改进算法

针对具有偏移正交幅度调制的滤波器组多载波（Filter Bank Multicarrier with Offset Quadrature Amplitude Modulation,FBMC-OQAM）系统中目前存在的定时同步算法问题,提出了一种改进的定时同步算法。该算法利用两个特殊设计的符号,将其连续通过FBMC-OQAM系统后在时域形成共轭对称特性的信号。与现有的算法相比,该算法增加了计算相关序列的长度,但减少了训练符号,还去除了高旁瓣带来的干扰。理论分析与仿真结果表明,改进算法具有更好的定时同步性能。