基于AI/ML的CSI压缩反馈技术研究与探索OA

CSI是大规模MIMO技术实现空间复用与资源优化的核心参数,然而在5G-A及6G系统中,天线规模扩展将导致CSI维度激增,传统码本方案和压缩感知方案会面临反馈精度与复杂度的矛盾瓶颈。为此,开展基于AI/ML的CSI压缩反馈技术研究,聚焦3GPP双边模型架构,提出了一种基于CNN的端到端编解码方案。UE侧通过7层自编码器对CDL信道模型生成的CSI数据进行特征提取与维度压缩,经量化后通过空口反馈至gNB;gNB侧采用5层自解码器完成CSI重构。通过端到端模型训练结果表明,6 bit量化下模型的ρ可达0.994,NMSE低至-19.50 dB,压缩比高达832:1,能够在保证反馈精度的同时显著降低空口资源占用。