基于深度学习的大规模天线系统信道外推：机遇、挑战与解决方案
信息论
2021-02-26 v1 信号处理
math.IT
摘要
随着频谱的枯竭，无线通信系统转而利用大型天线阵列来获取空间自由度，例如毫米波大规模多输入多输出（MIMO）、可重构智能表面辅助通信以及无小区大规模MIMO。在这些系统中，如何获取准确的信道状态信息（CSI）十分困难，并成为通信链路的瓶颈。在本文中，我们引入信道外推的概念，即依靠一小部分信道参数来推断其余信道参数。由于信道外推的本质是从一个参数子空间到另一个参数子空间的映射，我们可以借助深度学习（DL）这一强大的学习架构来逼近该映射函数。具体而言，我们首先分析信道外推的需求、条件与挑战。然后，我们分别给出天线维度、频率维度和物理终端上的三种典型外推。我们还阐述了它们各自的原理、设计挑战与DL策略。将会看到，与传统策略相比，信道外推可大幅降低传输开销并进而提升性能增益。最后，我们给出了面向未来智能通信系统的若干信道外推潜在研究方向。
引用
@article{arxiv.2102.12859,
title = {Deep Learning based Channel Extrapolation for Large-Scale Antenna Systems: Opportunities, Challenges and Solutions},
author = {Shun Zhang and Yushan Liu and Feifei Gao and Chengwen Xing and Jianping An and Octavia A. Dobre},
journal= {arXiv preprint arXiv:2102.12859},
year = {2021}
}
备注
15 pages, 6 figures