大规模 MIMO 中基于深度学习的隐式 CSI 反馈
信号处理
2024-10-28 v1 信息论
机器学习
math.IT
摘要
大规模多输入多输出通过利用基站 (BS) 处的下行信道状态信息 (CSI) 可获得更多性能增益。因此，在频分双工系统中研究有限通信资源下的 CSI 反馈十分重要。近来，基于深度学习 (DL) 的 CSI 反馈展现出可观潜力。然而，现有基于 DL 的显式反馈方案难以部署，因为当前第五代移动通信协议与系统是基于隐式反馈机制设计的。本文提出一种基于 DL 的隐式反馈架构以继承低开销特性，其使用神经网络 (NNs) 替代预编码矩阵指示符 (PMI) 的编码与解码模块。利用环境信息，这些 NNs 相比码本可实现预编码矩阵与 PMI 之间更精细的映射。子带间的相关性也被用来进一步提升反馈性能。仿真结果表明，对于单个资源块 (RB)，所提架构在两种天线配置下分别相比 Type I 码本节省 25.0% 和 40.0% 的开销。对于含 52 个 RB 的宽带系统，在忽略和考虑提取子带相关性时，相比 Type II 码本分别可节省 30.7% 和 48.0% 的开销。
引用
@article{arxiv.2105.10100,
title = {Deep Learning-based Implicit CSI Feedback in Massive MIMO},
author = {Muhan Chen and Jiajia Guo and Chao-Kai Wen and Shi Jin and Geoffrey Ye Li and Ang Yang},
journal= {arXiv preprint arXiv:2105.10100},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication