許佳龍 /XU Jialong，陳為/CHEN Wei，艾渤/AI Bo

（ 北京交通大學(xué)，中國 北京100044 ）

為服務(wù)于全息通信和元宇宙等具有海量通信吞吐需求的新興智能應(yīng)用，6G通信系統(tǒng)應(yīng)具備超大帶寬和超高頻譜效率[1?4]。隨著毫米波以上頻段的使用，無線通信的可用帶寬進(jìn)一步增加。然而，在毫米波和太赫茲頻率下，傳播損耗將變得更加嚴(yán)重，這會(huì)導(dǎo)致更高的通信功耗或更小的小區(qū)覆蓋半徑。為提高通信頻譜效率，多輸入多輸出（MIMO）技術(shù)和大規(guī)模MIMO技術(shù)已經(jīng)成為4G和5G的關(guān)鍵技術(shù)。超大規(guī)模MIMO亦有望成為6G的關(guān)鍵技術(shù)[5]。

典型的大規(guī)模MIMO場景為具有大量天線的基站同時(shí)服務(wù)多個(gè)用戶設(shè)備。為了充分利用MIMO 系統(tǒng)的多天線優(yōu)勢(shì)，基站側(cè)需要掌握瞬時(shí)下行信道狀態(tài)信息（CSI）。在時(shí)分雙工模式下，基站通過用戶發(fā)送的導(dǎo)頻信號(hào)估計(jì)上行CSI，并利用信道互易性推斷出下行CSI。在頻分雙工模式下，由于上下行鏈路工作在不同的頻率上，不再滿足信道互易性，因此需要通過三步交互來獲取下行CSI：首先基站向用戶發(fā)送導(dǎo)頻信號(hào)，然后用戶根據(jù)導(dǎo)頻信號(hào)估計(jì)下行CSI，最后用戶將估計(jì)的下行CSI 反饋給基站。然而，這種CSI 反饋機(jī)制不可避免地占用了部分通信上行資源，擠占了原本可用于數(shù)據(jù)傳輸?shù)纳闲匈Y源塊。

為了減少反饋開銷，5G 采用基于碼本的方法，使用反饋碼本索引的方式代替反饋下行CSI 的全信息的方式[6]。然而，隨著對(duì)通信吞吐量需求的持續(xù)提升，天線數(shù)量不斷增加，碼本空間急劇擴(kuò)大，反饋開銷急速提升。通過利用信道特性對(duì)下行CSI進(jìn)行壓縮是解決這一問題的關(guān)鍵。由于信道在變換域的近似稀疏特性，基于壓縮感知的方法可對(duì)稀疏的信道表示進(jìn)行壓縮，以減少反饋開銷[7]。然而，在實(shí)際場景下，信道在變換域并不能滿足嚴(yán)格稀疏的條件，降低了壓縮感知方法的性能。此外，現(xiàn)有基于壓縮感知的重建算法中的迭代過程通常非常耗時(shí)，難以在計(jì)算受限或嚴(yán)苛的時(shí)延要求場景下應(yīng)用。

近年來，隨著深度學(xué)習(xí)技術(shù)在計(jì)算機(jī)視覺和自然語言處理的卓越表現(xiàn)，深度學(xué)習(xí)被引入對(duì)CSI 信息的壓縮中[8-10]。這些工作被視為基于分離源信道編碼方案的通信系統(tǒng)的信源編碼模塊。該方案通常假設(shè)信道編碼模塊和調(diào)制模塊能夠保證完美傳輸，即可以根據(jù)反饋信道質(zhì)量自適應(yīng)調(diào)整調(diào)制編碼方式，成功傳輸所有的反饋碼字。然而，基于分離信源信道編碼的CSI反饋有如下缺點(diǎn)：首先，理論上，在有限碼長下分離信源信道編碼方案已被證明不如聯(lián)合源信道編碼方案[11]。其次，分離信源信道編碼方案在真實(shí)無線場景中具有“懸崖效應(yīng)”[12]。如果實(shí)際反饋信道條件比預(yù)期的信道條件差，并且超出所采用的信道編碼方案的能力，則CSI的重建質(zhì)量會(huì)急劇下降。在這種情況下，基站無法使用恢復(fù)的CSI進(jìn)行后續(xù)處理。然而，在實(shí)際信道條件變得比預(yù)期信道條件更差的情況下，聯(lián)合信源信道編碼方案也能提供平穩(wěn)的性能下降，這使得恢復(fù)的CSI對(duì)于基站的后續(xù)執(zhí)行過程仍然有價(jià)值。最后，混合自動(dòng)請(qǐng)求重傳技術(shù)盡管可以補(bǔ)償由信道條件不匹配引起的信道譯碼錯(cuò)誤，但增加了額外的反饋開銷，并為CSI反饋任務(wù)帶來了延遲問題。因此，有必要研究基于深度聯(lián)合信源信道編碼的CSI反饋方案，以減少上行反饋資源占用，解決當(dāng)前CSI反饋任務(wù)中的潛在問題。

1 CSI反饋方案設(shè)計(jì)

1.1 CSI反饋系統(tǒng)模型

本文考慮頻分雙工模式下的大規(guī)模多天線正交頻分復(fù)用（OFDM）系統(tǒng)。其中，基站側(cè)部署Nt根天線，用戶側(cè)部署單天線，上行鏈路和下行鏈路均使用Nc個(gè)子載波。假設(shè)完美的上行CSI 和下行CSI 可以分別在基站側(cè)和用戶側(cè)通過基于導(dǎo)頻的訓(xùn)練獲得?；谏疃嚷?lián)合信源信道編碼的CSI反饋網(wǎng)絡(luò)設(shè)計(jì)如圖1 所示。下行CSI 和上行CSI 分別表示為Hd∈CNc×Nt、Hu∈CNc×Nt。位于用戶側(cè)的深度聯(lián)合信源信道編碼器將下行CSI信息Hd和已知的上行鏈路的信噪比信息μ編碼為復(fù)向量s：

▲圖1 基于深度聯(lián)合信源信道編碼的信道狀態(tài)信息反饋系統(tǒng)

其中，φ 表示深度聯(lián)合信源信道編碼器的參數(shù)集。復(fù)向量s =[s1,s2,…,sk]T被OFDM 映射模塊映射至k 個(gè)子載波上，其中，si是承載在第i 個(gè)子載波上的符號(hào)。假設(shè)一個(gè)子載波上的一個(gè)符號(hào)的平均功率為P，對(duì)編碼向量s 進(jìn)行功率歸一化，即，以滿足用戶側(cè)的發(fā)射功率約束。

基站接收到的第i個(gè)子載波上的反饋信號(hào)可表示為：

其中，復(fù)向量yi∈CNt表示在基站側(cè)Nt根天線第i個(gè)子載波上接收到的符號(hào)，復(fù)向量∈CNt表示在第i 個(gè)子載波上的上行信道，復(fù)向量zi∈CNt為噪聲向量。噪聲向量zi的分布為CN(0,σ2I) ，其中，σ2表示噪聲功率。

在基站側(cè)天線接收到si的多個(gè)帶噪聲的副本后，執(zhí)行最大比合并算法以獲取在基站側(cè)恢復(fù)的s?i。該過程可表示為：

其中，合并向量wi為。隨后，各子載波上的接收符號(hào)合并為復(fù)向量。這里，復(fù)向量?表示基站側(cè)對(duì)信道輸入復(fù)向量s的重構(gòu)。隨后，基站側(cè)使用深度聯(lián)合信源信道譯碼器將復(fù)向量s?和信噪比信息μ映射為恢復(fù)的CSI信息：

其中，?表示深度聯(lián)合信源信道譯碼器的參數(shù)集。

基于深度聯(lián)合信源信道編碼的CSI反饋，通過在確定的信道帶寬k 下最小化空間頻率域的CSI 失真，來優(yōu)化參數(shù)集Θ ={φ,?}。

其中，Θ*表示最優(yōu)參數(shù)集，p(μ)表示信噪比的概率分布函數(shù)，表示在空間頻率域的第i個(gè)訓(xùn)練集的樣本，表示基站側(cè)在空間頻率域重構(gòu)的第i 個(gè)訓(xùn)練集的樣本，T 表示訓(xùn)練數(shù)據(jù)集的大小。

1.2 CSI反饋網(wǎng)絡(luò)

基于深度聯(lián)合信源信道編碼的CSI反饋網(wǎng)絡(luò)如圖2所示，分為深度聯(lián)合信源信道編碼網(wǎng)絡(luò)和深度聯(lián)合信源信道譯碼網(wǎng)絡(luò)。在用戶側(cè)，現(xiàn)有CSI 壓縮反饋使用截?cái)嗟?D-DFT 變換可初步減小CSI的反饋量。受此啟發(fā)，深度聯(lián)合信源信道編碼網(wǎng)絡(luò)首先使用3層卷積網(wǎng)絡(luò)對(duì)原始的空頻域CSI進(jìn)行降維，之后基于文獻(xiàn)[9]提出的網(wǎng)絡(luò)，使用卷積層和全連接層對(duì)降維后的CSI信息進(jìn)行特征提取。壓縮后的2k維實(shí)數(shù)向量兩兩結(jié)合，重組為k維復(fù)向量，在進(jìn)行功率歸一化約束后，承載至OFDM子載波進(jìn)行發(fā)射。在基站側(cè)，深度聯(lián)合信源信道譯碼網(wǎng)絡(luò)從恢復(fù)的復(fù)向量中提取實(shí)部和虛部，并將其重組為實(shí)數(shù)向量，之后依次輸入至全連接層、卷積層和殘差塊中，以恢復(fù)降維后的CSI 信息；隨后，使用3 層轉(zhuǎn)置卷積網(wǎng)絡(luò)對(duì)降維后的CSI 信息進(jìn)行非線性變換，恢復(fù)原始的空頻域CSI 信息。由于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)無法針對(duì)不同的信道條件進(jìn)行動(dòng)態(tài)調(diào)整，本文使用文獻(xiàn)[13]中提出的即插即用的注意力特征（AF）模塊為深度聯(lián)合信源信道編碼網(wǎng)絡(luò)提供信道自適應(yīng)功能。文獻(xiàn)[14]對(duì)基于深度聯(lián)合信源信道編碼的CSI 反饋網(wǎng)絡(luò)的設(shè)計(jì)原則進(jìn)行了詳細(xì)的介紹。

▲圖2 基于深度聯(lián)合信源信道編碼的信道狀態(tài)信息反饋網(wǎng)絡(luò)

1.3 評(píng)估指標(biāo)

現(xiàn)有CSI 反饋任務(wù)通常首選歸一化均方誤差（NMSE）對(duì)CSI反饋精度進(jìn)行評(píng)估。然而，在實(shí)際通信系統(tǒng)中，基站在接收到CSI的反饋信息后通常會(huì)做進(jìn)一步處理，以適配后續(xù)通信任務(wù)，如預(yù)編碼任務(wù)。因此，對(duì)CSI反饋任務(wù)性能的評(píng)估應(yīng)當(dāng)更加關(guān)注后續(xù)任務(wù)的執(zhí)行性能。為此，本文選取余弦相似度指標(biāo)進(jìn)行評(píng)估：

2 實(shí)驗(yàn)與結(jié)果分析

2.1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)集

本文使用TensorFlow 及其高階API Keras 進(jìn)行下述實(shí)驗(yàn)。根據(jù)第3 代合作伙伴計(jì)劃（3GPP）的TR 38.901[15]，上行鏈路CSI和下行鏈路CSI可由QuaDRiGa[16]生成。本文創(chuàng)建了一個(gè)開放的室內(nèi)場景，其中下行鏈路的中心頻率為5.2 GHz，上行鏈路的中心頻率為5.4 GHz。在開放室內(nèi)場景中，信道包含20個(gè)簇，每個(gè)簇包含15條子徑?；疚挥谝粋€(gè)20 m×20 m 大小的正方形區(qū)域中心。具有半波長天線空間的均勻線性陣列部署在基站側(cè)?；緜?cè)的天線數(shù)量為Nt= 32，用戶側(cè)的天線數(shù)量為Nr= 1。基站側(cè)和用戶側(cè)均使用全向天線?；镜母叨葹? m，用戶的高度為1.5 m。上行鏈路和下行鏈路均使用Nc= 256個(gè)子載波。CSI 的訓(xùn)練集、驗(yàn)證集和測(cè)試集分別包含100 000、30 000、20 000個(gè)樣本對(duì)。一個(gè)樣本對(duì)包含一個(gè)下行鏈路CSI 的樣本和一個(gè)上行鏈路CSI 的樣本。

2.2 對(duì)比實(shí)驗(yàn)方案

本文采用分離信源信道編碼方案作為對(duì)比方案。具體而言，我們使用文獻(xiàn)[9]提出的CSINet+作為信源編碼并使用5G上行控制信息（UCI）傳輸作為信道編碼的方案。UCI 的調(diào)制方案包括二進(jìn)制相移鍵控（BPSK）、4 符號(hào)正交幅度調(diào)制（4 QAM）、16 QAM、64 QAM 和256 QAM。為與本文所提的深度聯(lián)合信源信道編碼網(wǎng)絡(luò)進(jìn)行公平的比較，分離信源信道編碼方案需要調(diào)整信源編碼碼率、信道編碼碼率及調(diào)制方式，以匹配反饋帶寬。

2.3 仿真結(jié)果分析

對(duì)于本文提出的基于深度聯(lián)合信源信道編碼的CSI反饋方法，在訓(xùn)練階段，批大小被設(shè)置為200。Adam 優(yōu)化器首先以10?3的學(xué)習(xí)率初始化。當(dāng)損失函數(shù)在20 個(gè)周期內(nèi)均未下降時(shí)，學(xué)習(xí)率將衰減為原來的一半。學(xué)習(xí)率的下限設(shè)置為10?4。為了使網(wǎng)絡(luò)收斂，網(wǎng)絡(luò)的訓(xùn)練周期被設(shè)置為500。

圖3比較了在反饋帶寬k = 16時(shí)，基于深度聯(lián)合信源信道編碼的CSI 反饋和基于分離編碼的CSI 反饋的余弦相似度性能。其中，分離編碼_16、分離編碼_32 分別表示使用CSINet+編碼網(wǎng)絡(luò)的輸出維度分別為16和32時(shí)分離編碼的性能。當(dāng)SNRtest∈[?10,10] dB時(shí)，深度聯(lián)合編碼的性能比分離編碼_16 的性能高出0.03～0.07；當(dāng)SNRtest∈[?7,10] dB 時(shí)，比分離編碼_32 的性能高出0.03～0.2，如圖4 所示。因此深度聯(lián)合編碼的性能優(yōu)勢(shì)在低信噪比下更加顯著。

▲圖3 在反饋帶寬k = 16時(shí)，基于深度聯(lián)合信源信道編碼的信道狀態(tài)信息（CSI）反饋和基于分離編碼的CSI反饋性能對(duì)比

▲圖4 在反饋帶寬k = 32時(shí)，基于深度聯(lián)合信源信道編碼的信道狀態(tài)信息（CSI）反饋和基于分離編碼的CSI反饋性能對(duì)比

圖4比較了在反饋帶寬k = 32時(shí)，基于深度聯(lián)合信源信道編碼的CSI 反饋和基于分離編碼的CSI 反饋的余弦相似度性能。當(dāng)SNRtest∈[?10,10] dB時(shí)，深度聯(lián)合編碼的性能比分離編碼_32 的性能高出0.035～0.058；當(dāng)SNRtest∈[?7,10] dB時(shí)，比分離編碼_64 的性能高出0.044～0.091。當(dāng)反饋帶寬從k = 16增長到k = 32時(shí)，深度聯(lián)合編碼的性能仍然優(yōu)于分離編碼的性能。

上述實(shí)驗(yàn)假設(shè)深度聯(lián)合編碼的發(fā)送端可以發(fā)送任何復(fù)數(shù)值。然而，現(xiàn)有的移動(dòng)通信系統(tǒng)使用數(shù)字調(diào)制方式進(jìn)行發(fā)射，其發(fā)射值為固定的離散星座點(diǎn)。本實(shí)驗(yàn)將使用近似量化的方法，將深度聯(lián)合編碼器編碼后的復(fù)數(shù)符號(hào)映射至距離最近的離散星座點(diǎn)后，再進(jìn)行發(fā)射，以使深度聯(lián)合編碼方法與現(xiàn)有移動(dòng)通信系統(tǒng)兼容。圖5分別展示了在反饋帶寬k = 32 的條件下將深度聯(lián)合編碼方法分別量化為64 QAM、256 QAM 和1 024 QAM 時(shí)的性能。可以看到，隨著可量化星座點(diǎn)數(shù)量的不斷減少，深度聯(lián)合編碼的性能不斷下降。例如，在SNRtest∈[?10,10] dB時(shí)，量化為1 024 QAM的深度聯(lián)合編碼的性能比未使用星座點(diǎn)量化的深度聯(lián)合編碼的性能低約0.008；量化為256 QAM 的深度聯(lián)合編碼的性能與量化為1 024 QAM 的深度聯(lián)合編碼的性能近似；量化為64 QAM的深度聯(lián)合編碼的性能則比量化為256 QAM的深度聯(lián)合編碼的性能低約0.005。即便深度聯(lián)合編碼使用量化星座點(diǎn)發(fā)射帶來了一定程度的性能損失，然而，量化等級(jí)最低的深度聯(lián)合編碼_64 QAM 的性能仍然優(yōu)于分離編碼的性能。需要說明的是，本實(shí)驗(yàn)僅使用了最基本的量化方法，若能夠?qū)⑿亲c(diǎn)量化過程考慮到訓(xùn)練過程中，或者針對(duì)量化星座點(diǎn)的位置進(jìn)行專門的設(shè)計(jì)，量化后的性能損失可進(jìn)一步降低。

▲圖5 在反饋帶寬k = 32時(shí)，基于深度聯(lián)合信源信道編碼的信道狀態(tài)信息（CSI）反饋的數(shù)字星座點(diǎn)性能對(duì)比

3 結(jié)束語

本文提出了一種基于深度聯(lián)合信源信道編碼的CSI反饋方法。該方法使用非線性變換網(wǎng)絡(luò)對(duì)原始CSI信息進(jìn)行初步降維后，使用深度學(xué)習(xí)網(wǎng)絡(luò)對(duì)CSI信息進(jìn)行特征提取，并使用注意力特征模塊實(shí)現(xiàn)了對(duì)信道的自適應(yīng)功能。不同于現(xiàn)有方法使用CSI 恢復(fù)精度作為性能評(píng)估指標(biāo)，針對(duì)CSI 反饋的后續(xù)預(yù)編碼任務(wù)，本文使用余弦相似度指標(biāo)對(duì)基站側(cè)使用CSI反饋進(jìn)行預(yù)編碼的性能進(jìn)行了評(píng)估。相比于分離信源信道編碼方法，本文提出的深度聯(lián)合信源信道編碼方法能夠有效提升任務(wù)性能。此外，為使所提出的方法有效兼容現(xiàn)有移動(dòng)通信系統(tǒng)，本文使用近似量化將編碼后的復(fù)數(shù)符號(hào)映射至距離最近的數(shù)字星座點(diǎn)。實(shí)驗(yàn)結(jié)果顯示，量化后的深度聯(lián)合信源信道編碼方法雖然會(huì)導(dǎo)致一定程度的性能下降，但其性能仍然遠(yuǎn)優(yōu)于基于分離信源信道編碼的CSI反饋性能。