新质生产力人工智能+系列3：6G时代AI研究-基于AI的CSI压缩反馈（含任务、数据、代码、仿真资源）

在新质生产力高质量发展的要求下，中国移动在“人工智能+”和 “数据要素X”方面不断发力，持续发布高质量电信数据集。围绕网元智能、运维智能、服务智能三大方向建设，涵盖无线信道、基站、云网、核心网、哑资源等多领域，支持感知、诊断、预测、决策、大模型等多类网络AI能力研发的标志性数据集。相关数据集均由智慧网络开放创新平台承载。

中国移动 - 智慧网络新一代人工智能开放创新平台https://jiutian.10086.cn/open/

基于AI的CSI压缩反馈

中国移动 - 智慧网络新一代人工智能开放创新平台https://jiutian.10086.cn/open/?src=csdn#/taskParticulars/720003/复杂信道环境的无线信道状态信息数据及仿真环境，提供了丰富的公共信道数据集和用户自构建数据集，用户可自由组合数据集用于AI模型训练。平台还提供了仿真验证环境，可通过系统仿真得出AI模型的效果指标和对无线网络的性能影响。

下面详细介绍引自智慧网络开放创新平台官网  基于AI的CSI压缩反馈介绍页面

任务、数据集、代码资源

特色优势

背景介绍

在5G NR中，CSI（Channel State Information）的反馈是非常重要的一个环节，它能帮助基站精确地了解无线信道状态，从而优化传输参数以提高系统性能。然而，由于无线信道的复杂性以及5G支持的大规模MIMO和高频段大带宽通信，CSI信息通常具有很高的维度和丰富的细节，导致反馈所需的带宽资源非常庞大。
基于此背景，本平台发布了基于AI的CSI压缩反馈任务，利用基于人工智能的方法来高效压缩和编码CSI信息。本平台提供了丰富的公共信道数据集和用户自构建数据集，用户可自由组合数据集用于AI模型训练。本平台还提供了仿真验证环境，可通过系统仿真得出AI模型的效果指标和对无线网络的性能影响。

任务介绍

本任务借助AI的信息压缩、非线性恢复能力，在UE侧将获取到的信道信息经过特征提取后使用AI算法进行压缩并反馈至基站侧，基站侧进行解压缩和特征提取后最大程度还原UE侧实际信道状态信息，如图1。
本任务的数据集包括基于真实地图仿真的信道特征向量和3GPP标准信道模型（IMT2000、SCME、ITU、CDL）仿真的信道特征向量。另外，本任务还为用户提供自建数据集环境，用户可根据研究需求，配置仿真参数，通过平台提供的仿真器，自主生成数据集用于AI模型训练。
本任务提供的系统仿真器孪生了现网某区域21个小区的真实场景，环境特征和信道特征均接近现网实际情况。系统仿真器通过API接口与AI模型实时交互，使用AI模型输出的CSI信息进行下行业务传输。仿真完成后，可在真实地图场景中查看仿真结果，仿真结果按照仿真进度展示整体和小区级模型指标和业务指标。本任务根据评测标准对模型进行综合打分，并在排行榜中进行排名，为用户展示模型的优劣。

图1 基于AI的CSI压缩反馈原理

任务目标

本任务设计了个性化场景选择和差异化AI模型训练/推理能力，通过多场景下的数据集供AI模型训练，提高模型的泛化性，并通过系统仿真在线验证AI模型的性能，展示AI模型指标和无线性能指标，并通过评测标准进行排名。 评测