协作多点系统和空间干扰对齐机制

提出了一种用于下行协作多点系统联合传输的和空间干扰对齐（IA）机制. 利用多小区联合预编码将从不同基站到同一用户的干扰对齐到一个特定维度的空间中,实现干扰空间的压缩;然后在接收端设计干扰抑制矩阵消除多用户间干扰. 从系统自由度（DoF）的角度理论分析了和空间IA机制的性能,给出了系统可达DoF上界,以及干扰信号压缩维度与系统可达DoF的关系. 数值仿真将和空间IA机制与传统正交机制和经典IA机制进行对比,验证了和空间IA机制可以获得更高的DoF与数据速率.     

基于人工智能的大规模天线信道状态信息反馈研究

信道状态信息（channel state information,CSI）的精确获取是大规模天线发挥效能的关键。在现有的通信系统中，上下行链路互易性不理想时，基于码本进行下行链路的CSI反馈。随着天线规模的增大，码本CSI反馈所需要的开销也越来越大。给出了基于人工智能（artificial intelligence,AI）的CSI反馈压缩方法，分析了基于AI的CSI反馈的标准化影响、通信流程与面临的挑战，提供了评估结果。评估结果表明，相对于基于频域基向量压缩的码本CSI反馈，基于AI的CSI反馈在相同的反馈精度下可以显著地降低反馈开销。