基于深度学习的 RIS 辅助多用户系统 CSI 反馈
信息论
2024-10-30 v4 信号处理
math.IT
摘要
在可重构智能表面（RIS）辅助的无线通信领域，高效的信道状态信息（CSI）反馈至关重要。本文引入 RIS-CoCsiNet，一种新颖的基于深度学习的框架，旨在大幅提升反馈效率。通过利用邻近用户设备（UE）间的内在相关性，我们的方法策略性地将 RIS-UE CSI 划分为共享与独有数据集。这种细致理解使得反馈开销显著减少，因为共享数据不再被冗余转发。为使 RIS-CoCsiNet 区别于传统自编码器系统，我们在基站端加入额外解码器与组合神经网络。这些增强模块负责精确检索与融合共享及个体数据。且值得注意的是，所有这些创新均未修改 UE。对于具备多天线的 UE，我们的设计无缝集成长短期记忆模块，捕捉天线间的复杂相关性。认识到 RIS-UE CSI 相位非稀疏的特性，我们开创两种依赖于幅度的相位反馈策略。这些策略巧妙融入统计与实时 CSI 幅度数据。RIS-CoCsiNet 的有效性通过来自两个不同信道数据集的引人仿真结果进一步巩固。
引用
@article{arxiv.2003.03303,
title = {Deep Learning-based CSI Feedback for RIS-assisted Multi-user Systems},
author = {Jiajia Guo and Xi Yang and Chao-Kai Wen and Shi Jin and Geoffrey Ye Li},
journal= {arXiv preprint arXiv:2003.03303},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication