一种用于CSI反馈的知识驱动元学习方法
信号处理
2023-02-01 v1
摘要
准确有效的信道状态信息（CSI）反馈是大规模多输入多输出（MIMO）系统的关键技术。近来，深度学习（DL）被引入以提升大规模MIMO应用中的CSI反馈，但海量收集训练数据与漫长训练时间在现实部署中代价高昂且不切实际。本文提出一种知识驱动的CSI反馈元学习方案，其中由元训练阶段获得的元模型初始化的DL模型，在目标重训练阶段面对新场景时能够实现快速收敛。具体地，不同于使用从多场景收集的海量数据训练，元任务环境基于CSI空频特性的内在知识构建以进行元训练。此外，目标任务数据集也通过利用信道统计特性知识进行增广，从而使经元训练初始化的DL模型能在目标重训练阶段仅用少量实际收集数据即以更高性能快速适配新目标场景。该方法极大降低了对实际收集数据量的需求，以及现实部署的训练时间成本。仿真结果从反馈性能与收敛速度角度证明了所提方法的优越性。
引用
@article{arxiv.2301.13475,
title = {A Knowledge-Driven Meta-Learning Method for CSI Feedback},
author = {Han Xiao and Wenqiang Tian and Wendong Liu and Zhi Zhang and Zhihua Shi and Li Guo and Jia Shen},
journal= {arXiv preprint arXiv:2301.13475},
year = {2023}
}