一种基于低开销内插-外推的少样本CSI反馈框架用于大规模MIMO系统
信息论
2024-07-18 v2 人工智能
信号处理
math.IT
摘要
在采用正交频分复用（OFDM）的频分双工（FDD）大规模多输入多输出（MIMO）系统中，准确的信道状态信息（CSI）对于下行预编码至关重要。然而，随着天线和子载波规模的增加，通过用户设备（UE）反馈获取CSI变得具有挑战性，并导致极高的CSI反馈开销。基于深度学习的方法已被用于压缩CSI，但这些方法通常需要大量收集的样本，从而带来实际挑战。此外，现有的深度学习方法由于专注于全维度CSI反馈，也面临反馈开销急剧增长的问题。为解决这些问题，我们提出了一种用于大规模MIMO系统的低开销内插-外推少样本CSI反馈框架（IEFSF）。提出了一种基于特征向量的CSI反馈的内插-外推方案以降低反馈开销。然后，为减轻对大量收集样本的需求并实现少样本CSI反馈，我们进一步提出了一种知识驱动数据增强（KDDA）方法和一种基于人工智能生成内容（AIGC）的数据增强方法，分别利用无线信道的领域知识和一种新颖的生成模型。基于DeepMIMO数据集的实验结果表明，与现有方法相比，所提出的IEFSF在仅使用几百个收集样本的情况下，将CSI反馈开销降低了64倍，同时保持了更高的反馈精度。
引用
@article{arxiv.2312.04062,
title = {A Low-Overhead Incorporation-Extrapolation based Few-Shot CSI Feedback Framework for Massive MIMO Systems},
author = {Binggui Zhou and Xi Yang and Jintao Wang and Shaodan Ma and Feifei Gao and Guanghua Yang},
journal= {arXiv preprint arXiv:2312.04062},
year = {2024}
}
备注
16 pages, 12 figures, 5 tables. Accepted by IEEE Transactions on Wireless Communications