基于深度学习的单小区与多小区大规模 MIMO 系统波束赋形 CSI 反馈
信息论
2024-10-30 v1 math.IT
摘要
大规模多输入多输出（MIMO）的潜力都基于基站（BS）处可用的瞬时信道状态信息（CSI）。因此，频分双工（FDD）系统中的用户必须持续向 BS 反馈 CSI，从而占用大量上行传输资源。近来，深度学习（DL）在 CSI 反馈中取得了巨大成功。然而，现有工作仅聚焦于提升反馈精度，而忽略了其对后续模块（如波束赋形（BF））的影响。本文中，我们提出一种用于 BF 设计的基于 DL 的 CSI 反馈框架，称为 CsiFBnet。CsiFBnet 的关键思想是最大化 BF 性能增益而非反馈精度。我们将其应用于两种代表性场景：单小区与多小区系统。单小区系统中的 CsiFBnet-s 基于自编码器架构，其中用户处的编码器压缩 CSI，BS 处的解码器生成 BF 向量。多小区系统中的 CsiFBnet-m 须反馈两类 CSI：期望 CSI 与干扰 CSI。整个神经网络通过无监督学习策略训练。仿真结果表明，与传统基于 DL 的 CSI 反馈方法相比，CsiFBnet 实现了显著的性能提升与复杂度降低。
引用
@article{arxiv.2011.06099,
title = {Deep Learning-Based CSI Feedback for Beamforming in Single- and Multi-cell Massive MIMO Systems},
author = {Jiajia Guo and Chao-Kai Wen and Shi Jin},
journal= {arXiv preprint arXiv:2011.06099},
year = {2024}
}
备注
13 pages, 10 figures, to appear in JSAC