大规模 MIMO 系统中基于深度学习的天线选择与 CSI 外推
信号处理
2021-01-19 v1
摘要
大规模多输入多输出（MIMO）系统的一个关键瓶颈是由下行传输（如信道估计、下行波束赋形和协方差观测）引起的巨大训练开销。本文中，我们提出利用少量天线的信道状态信息（CSI）来外推其他天线的 CSI，从而降低训练开销。具体而言，我们设计了一个称为天线域外推网络（ADEN）的深度神经网络，该网络能够利用天线间的相关函数。随后，我们提出一种基于深度学习（DL）的天线选择网络（ASN），可选择有限数量的天线以优化外推，而传统上这属于组合优化问题且难以求解。我们巧妙设计了一种约束退化算法，以生成离散天线选择向量的可微近似，从而保证神经网络的反向传播。数值结果表明，所提出的 ADEN 优于传统的全连接网络，且 ASN 学到的天线选择方案远优于通常使用的均匀选择。
引用
@article{arxiv.2101.06951,
title = {Deep Learning based Antenna Selection and CSI Extrapolation in Massive MIMO Systems},
author = {Bo Lin and Feifei Gao and Shun Zhang and Ting Zhou and Ahmed Alkhateeb},
journal= {arXiv preprint arXiv:2101.06951},
year = {2021}
}