近日，由IMT-2020、CAICT（中国信通院）和OPPO移动通信有限公司举办的首届“无线通信AI大赛”在深圳落下帷幕。由空天信息创新研究院（以下简称“空天院”）空间信息处理与应用系统技术重点实验室郭嘉逸、赵鑫组成的代表队以较大优势夺得冠军。

此次大赛以“智启无线 AI Enlightens Wireless Communication”为主题，致力于促进通信领域与人工智能领域的深度融合，是“5G+AI”的一次开创性探索和有效碰撞。参赛队伍共934支队伍，来自国内外160所高校和院所、210家企事业单位，包括中国移动、中国联通、中国电信、华为、中兴、三星、阿里、腾讯、百度等知名企业均有技术团队参赛。

大赛中的赛题面向MIMO信道反馈技术，是5G向6G过渡的重要一环。需要在用户端对信道信息进行压缩，发送压缩比特流到基站端，基站通过对压缩比特流进行解码，恢复出原始信道，主要比拼信道压缩率，其次比较信号重建质量，并对模型参数复杂度有严格限制。

空天院团队选择Transformer网络对数据进行编码和解码。相比于传统的CNN，Transformer拥有全局感受野，其提取的特征不局限于相邻的传输径，能够更好地融合长距离信息，尤其是本次数据，能量较强的传输径相隔距离较长，传统的3*3的卷积需要叠加多层网络才能够达到如此的感受野。本方案无需预训练，也不需要额外的数据增强，能够直接简便地进行端到端训练和推理，在模型大小和推理速度上表现优异。

标量量化认为数据的维度之间相互独立，对每一维的数据单独量化，同时量化中心固定且平均分布于整个子空间之中。缺乏对数据分布先验分利用，导致量化性能较差。矢量量化在编码过程中利用指数滑动平均不断更新量化中心的值，充分利用数据分布的先验信息。使得量化中心更能表征原始数据的分布，减小量化误差。

在日常科研工作中经常涉及到复数信号、无线信号的处理等问题，这些研究基础对无线通信信号的处理具有借鉴意义。在比赛中，该团队利用以上模块构建的最终模型将原始数据（24*16*2）压缩到了286bit，压缩比达到1.2%。相比于传统压缩方法，实现了较高的压缩率。

网络整体结构

标量量化和矢量量化示意图

OPPO副总裁、OPPO研究院院长刘畅为获奖团队颁奖