基于AI的信道資訊回報性能提升比賽總結——賽題

目錄

資料簡介

送出要求

評測标準

比賽連結：

https://www.datafountain.cn/competitions/494

本賽題提供在4發送天線4接收天線（4T4R）的MIMO信道環境下生成的信道資訊資料集，期望選手們能夠通過具體的模型設計與實驗，獲得較高的信道資訊回報增益、較低的信道資訊回報開銷、較好的複雜信道下的模型泛化能力。

賽題資料來自多小區多使用者的4T4R 的MIMO信道，資料通過H_4T4R.mat檔案提供，資料樣本數量為60萬例樣本，每例樣本大小為768，按照24*16*2的順序排列，其中分别對應24條傳輸徑，4*4的收發天線對，以及實部和虛部。 賽題選手可以充分利用上述各個次元資訊之間的相關特性，以期獲得更好的比賽成績。

訓練集為H_4T4R.mat，對外釋出用于選手訓練模型，線上測試集（共計8萬例）不對外釋出。

本次大賽不允許使用外部資料集，評測結束後，拟獲獎團隊在作品稽核階段需說明訓練過程，必要情況下需複現訓練過程。

資料集和官方給的示例：

連結：

https://pan.baidu.com/s/12tNolcqAfpHuaaiDrEQ5Gg

提取碼：akey

注：如果失效請及時聯系我。

各參賽選手請按以下要求完成方案設計，并将結果的壓縮封包件上傳至競賽平台評分系統：

1.程式設計語言版本參考： Python 3.6；

2.調用宏包版本參考： tensorflow 2.1.0；pytorch > 1.0.0；Numpy 1.18.1；matplotlib 3.1.2；h5py 2.10.0 ；Sklearn 0.23.2；

3.上傳檔案大小限制： 檔案大小（壓縮上傳之前）不得超過100M。

評測機器配置為16GB顯存Tesla-T4顯示卡，限定評測推理時間不超過400s。

本賽題支援TensorFlow及Pytorch兩種版本結果的送出，大賽提供二者的結果模闆作為基線供選手參考，兩類版本均提供modelTrain.py、modelDesign.py 檔案，其中：

1. modelTrain.py：

用于搭模組化型及進行訓練，其中資料導入位址為‘./channelData/H_4T4R.mat’；訓練模型存儲位址為‘./modelSubmit/*.h5’（TensorFlow版本） 或 ‘./modelSubmit/*.pth.tar’（Pytorch版本）；

2. modelDesign.py：

用于網絡結構的設計，其中Encoder函數（TensorFlow版本）或類（Pytorch版本）定義發送端編碼器模型，即輸入為全信道資訊，輸出為壓縮後的比特流向量；Decoder函數（TensorFlow版本）或類（Pytorch版本）定義接收端解碼器模型，即輸入為接收到的比特流向量，輸出為重構的信道資訊；Encoder與Decoder耦合成Autoencoder模型，選手通過對Encoder及Decoder模型進行優化設計以提高性能比分；

進一步地，選手需将：

1. modelDesign.py

2. encoder.h5（TensorFlow版本）或 encoder.pth.tar（Pytorch版本）

3. decoder.h5（TensorFlow版本）或 decoder.pth.tar（Pytorch版本）

上傳至平台評分系統，具體壓縮打包規則見【送出示例】。

送出示例

TensorFlow版本需送出modelDesign.py、encoder.h5以及decoder.h5，請将檔案以如下結構進行壓縮打包,并以【submit_tf】命名壓縮包并上傳，例如：submit_tf.zip

submit_tf（檔案夾，壓縮後上傳）

  ┣━ modelDesign.py

  ┗━ modelSubmit（檔案夾）

     ┣━ encoder.h5

     ┗━ decoder.h5

Pytorch版本需送出modelDesign.py、encoder.pth.tar以及decoder.pth.tar，請将檔案以如下結構進行壓縮打包,并以【submit_pytorch】命名壓縮包并上傳，例如：submit_pytorch.zip

submit_pytorch（檔案夾，壓縮後上傳）

     ┣━ encoder.pth.tar

     ┗━ decoder.pth.tar

1. 對有效成績的定義： 回報比特數不大于給定閥值1000比特，且性能增益不低于給定閥值NMSE<=0.1(信道恢複程度大于等于90%)，則此次送出的成績有效，否則為無效成績。

2. 對于有效成績： 回報比特數小的送出 優于 回報比特數大的送出

例如：選手甲和選手乙均取得有效成績，選手甲回報比特數為100bit，選手乙回報比特數為200bit，則甲成績優于乙

3. 同等回報比特數時，對于有效成績： 回報性能高的送出 優于 回報性能低的送出

例如：選手丙和選手丁均取得有效成績，選手丙回報比特數為100bit，性能增益評估為98%信道恢複度，選手丁回報比特數為100bit，性能增益評估為96%信道恢複度，則丙成績優于丁

綜合得分可表述為： （1000 -回報比特數N）/1000 + (1/1000) * （1-NMSE）

注意：

1. 選手可在送出記錄中查詢每次送出的回報比特數、NMSE、以及送出分數

2. 對于有效成績、無效成績均占用當日送出次數

3. 對于無效成績，送出分數顯示為0.000001

4. encoder輸出必須是一維的0/1比特流，比特數不超過1000bit。

5. 提供線上評測系統的encoder/decoder推理代碼，供選手排查送出檔案潛在的運作錯誤問題。

6. 排行榜上的“有效送出次數”指送出後順利評測出分的次數，包含有效成績和無效成績的送出次數。

7. 排行榜的分數按照四舍五入保留至小數點後8位。