基于深度学习的FDD大规模MIMO信道外推天线选择方法
信号处理
2020-09-04 v1 人工智能
摘要
在大规模多输入多输出（MIMO）系统中，大量天线会给精确信道状态信息的获取带来巨大挑战，尤其在频分双工模式下。为克服混合波束赋形中射频链路数量受限的瓶颈，我们利用神经网络（NNs）捕捉上行与下行信道数据集之间的内在联系，并从上行信道状态信息的子集中外推下行信道。为实现最佳信道外推并减小神经网络的数据规模，我们研究了天线子集选择问题。利用概率采样理论将离散天线选择近似为连续可微函数，从而使深度学习的反向传播可行。随后，我们设计了恰当的离线训练策略，以联合优化天线选择图样与外推神经网络。最后，数值结果验证了所提大规模MIMO信道外推算法的有效性。
引用
@article{arxiv.2009.01653,
title = {Deep Learning Based Antenna Selection for Channel Extrapolation in FDD Massive MIMO},
author = {Yindi Yang and Shun Zhang and Feifei Gao and Chao Xu and Jianpeng Ma and Octavia A. Dobre},
journal= {arXiv preprint arXiv:2009.01653},
year = {2020}
}
备注
6 pages, 5 figures