华郁秀，李荣鹏，赵志峰,2，吴建军，张宏纲

（1.浙江大学信息与电子工程学院，浙江 杭州 310027；2.之江实验室，浙江 杭州 311121；3.华为技术有限公司，上海 200120）

1 引言

为应对移动互联网和物联网爆炸式发展带来的千倍业务流量增长和海量设备连接，5G已经成为国内外移动通信领域的研究热点。业界普遍认为，5G 应该具备超高的能量效率和频谱效率，与4G 相比在传输速率、时延和用户体验方面也要有较大的性能提升。为实现5G 网络的关键性能指标，大规模多输入多输出（multiple input multiple output，MIMO）系统已经成为一项起基础支撑作用的关键技术。大规模MIMO 系统在基站或接入点上部署大量天线（可达数百个），提升了多个用户之间的复用能力，从而在不需要增加基站密度和带宽的条件下大幅度提高频谱效率。研究表明未来的6G为了实现太赫兹通信将会使用超大规模MIMO系统，收/发端会部署密集的天线阵列[1]，例如，为1 THz传输设计的超大规模MIMO收/发端的天线数量均为1 024[2]。未来社会很有可能是数据驱动的，6G网络将会是内生智能的[1]，因此学习高维信道数据分布并由此进行信道估计的生成对抗网络方法具有巨大的发挥空间。

大规模MIMO 依赖于空间多路复用，而空间多路复用又依赖于基站在上行和下行链路上都拥有准确的信道状态信息（channel state information，CSI）。上行链路获取CSI 比较容易实现，终端发送导频信号给基站，基站根据接收到的导频信号估计信道即可获取CSI。在下行链路中，CSI 的获取则较为复杂。一般来说，利用时分双工（time-division duplex，TDD）模式上下行的互易性可以获取下行链路信道的CSI。……