CSI-GPT：集成生成式预训练Transformer与联邦调优获取下行大规模MIMO信道
信息论
2024-11-11 v2 机器学习
信号处理
math.IT
摘要
在大规模多输入多输出（MIMO）系统中，如何以低开销可靠获取下行信道状态信息（CSI）具有挑战性。本文通过集成生成式预训练Transformer（GPT）与联邦调优，提出一种CSI-GPT方法以实现高效的下行CSI获取。具体而言，我们首先提出一种基于Swin Transformer的信道获取网络（SWTCAN）来获取下行CSI，其中导频信号、下行信道估计和上行CSI反馈被联合设计。此外，为解决训练数据不足的问题，我们提出一种基于变分自编码器的信道样本生成器（VAE-CSG），它能够基于从当前小区获得的少量高质量CSI数据生成足够的CSI样本。从VAE-CSG生成的CSI数据集将用于预训练SWTCAN。为微调预训练SWTCAN以提升性能，我们提出一种在线联邦调优方法，其中仅解冻少量SWTCAN参数并通过空中计算进行更新，避免了从用户设备（UE）向基站聚合完整CSI样本进行集中式微调所带来的高通信开销。仿真结果验证了所提SWTCAN的优势以及所提联邦调优方法的通信效率。我们的代码公开在https://github.com/BIT-ZY/CSI-GPT。
引用
@article{arxiv.2406.03438,
title = {CSI-GPT: Integrating Generative Pre-Trained Transformer with Federated-Tuning to Acquire Downlink Massive MIMO Channels},
author = {Ye Zeng and Li Qiao and Zhen Gao and Tong Qin and Zhonghuai Wu and Emad Khalaf and Sheng Chen and Mohsen Guizani},
journal= {arXiv preprint arXiv:2406.03438},
year = {2024}
}