基于 BiLSTM 的大规模 MIMO-OFDM 系统自适应 CSI 反馈模型
信号处理
2024-08-14 v1 人工智能
机器学习
摘要
深度学习 (DL) 基于的信道状态信息 (CSI) 反馈有潜力提高恢复精度并降低大规模多输入多输出正交频分复用 (MIMO-OFDM) 系统中的反馈开销。然而，输入 CSI 的长度和反馈位数应在不同场景下可调，这无法被现有的 CSI 反馈模型高效实现。因此，首次设计一种自适应双向长短期记忆网络 (ABLNet) 用于处理 various input CSI 长度，其中反馈位数与 CSI 长度成比例。随后，提出一种反馈位数控制单元 (FBCU) 模块，以实现更灵活的反馈位数控制。基于此，设计一种比特数调整 (BNA) 算法，可自适应实现目标反馈性能。此外，构思一种新型独立训练方法，以解决 UE 和 gNB 来自不同制造商的模型保护问题。实验表明，提出的带有 FBCU 的 ABLNet 能适用于 various input CSI 长度和反馈位数；BNA 算法可稳定 CSI 反馈性能；所提出的独立训练方法能够保持反馈性能并降低反馈模型的复杂度。
引用
@article{arxiv.2408.06359,
title = {An Adaptive CSI Feedback Model Based on BiLSTM for Massive MIMO-OFDM Systems},
author = {Hongrui Shen and Long Zhao and Kan Zheng and Yuhua Cao and Pingzhi Fan},
journal= {arXiv preprint arXiv:2408.06359},
year = {2024}
}
备注
13 pages, 14 figures, 3 tables