面向大规模MIMO CSI反馈的深度神经网络加速与压缩
网络与互联网体系结构
2023-11-15 v1 信息论
机器学习
信号处理
math.IT
摘要
机器学习和深度神经网络的最新进展使其成为信道估计、解码和下行链路信道状态信息(CSI)压缩等无线通信功能的有吸引力的候选方案。然而,这些神经网络大多庞大且低效,这成为在需要低延迟和低内存占用的实际无线系统中部署的障碍。为缓解这些限制,我们提出了面向大规模MIMO CSI反馈的加速与压缩高效神经网络。具体而言,我们深入研究了网络剪枝、训练后动态范围量化和权重聚类在大规模MIMO系统CSI反馈压缩中的优化应用。此外,我们在商用硬件上部署了所提出的模型压缩技术,并证明为实现推理加速,需要能够加速稀疏神经网络计算的专用库。我们的研究结果表明,应用这些模型压缩技术具有显著价值,所提出的联合剪枝与量化方法在模型精度影响极小的情况下,将模型大小减少了86.5%,推理时间减少了76.2%。这些压缩方法对于推动基于深度学习的技术在商用无线系统中的实际采用和部署至关重要。
引用
@article{arxiv.2304.01914,
title = {Accelerating and Compressing Deep Neural Networks for Massive MIMO CSI Feedback},
author = {Omar Erak and Hatem Abou-Zeid},
journal= {arXiv preprint arXiv:2304.01914},
year = {2023}
}
备注
IEEE ICC 2023 Conference