FDD 系统中利用上行链路数据的分布式下行信道估计器的集中式学习
信息论
2021-05-26 v2 信号处理
math.IT
摘要
本文中，我们提出一种基于卷积神经网络（CNN）的低复杂度方法，用于频分双工（FDD）系统中的下行（DL）信道估计（CE）。与现有工作不同，我们仅使用源自上行（UL）域的训练数据。这允许在基站（BS）集中学习 CNN。训练后，网络参数被卸载至 BS 覆盖区域内的移动终端（MTs）。MTs 随后可利用低复杂度 CNN 估计器获取 MIMO 信道的信道状态信息（CSI）。这规避了不可行的海量反馈（即在用户处获取训练数据）以及每个 MT 处的离线训练阶段。数值结果表明，仅基于 UL 数据训练的 CNN 表现与基于 DL 数据训练的网络同样良好。此外，该方法能够优于最先进的 CE 算法。
引用
@article{arxiv.2105.10746,
title = {Centralized Learning of the Distributed Downlink Channel Estimators in FDD Systems using Uplink Data},
author = {B. Fesl and N. Turan and M. Koller and M. Joham and W. Utschick},
journal= {arXiv preprint arXiv:2105.10746},
year = {2021}
}