深度学习赋能的Type-II码本：增强CSI反馈的新范式
信息论
2023-06-01 v2 人工智能
math.IT
摘要
频分双工系统中基于深度学习的信道状态信息（CSI）反馈已在学术界与工业界引起广泛关注。本文聚焦于将超五代（B5G）无线通信系统中的Type-II码本与深度学习相融合，以提升CSI反馈性能。与Release 16中的对应方案不同，Release 17（R17）中的Type-II码本利用了上行与下行信道间的角延迟域部分互易性，并选取部分角延迟域端口来测量与反馈下行CSI，其中传统深度学习方法因稀疏结构缺失而性能受限。为解决此问题，我们提出采用深度学习提升R17 Type-II码本性能的新范式。首先，考虑到上行信道信噪比较低，利用深度学习优化主导角延迟域端口的选择，并采用focal loss解决类不平衡问题。其次，我们提出在基站基于R17 Type-II码本反馈、通过深度学习重构下行CSI，从而有效利用稀疏结构信息。最后，设计加权捷径模块以促进精确重构，并提出结合均方误差与和速率的两阶段损失函数以适应实际多用户场景。仿真结果表明，相较于传统R17 Type-II码本与深度学习基准，我们所提角延迟域端口选择与CSI重构范式可将和速率性能提升逾10%。
引用
@article{arxiv.2305.08081,
title = {Deep Learning Empowered Type-II Codebook: New Paradigm for Enhancing CSI Feedback},
author = {Ke Ma and Yiliang Sang and Yang Ming and Jin Lian and Chang Tian and Zhaocheng Wang},
journal= {arXiv preprint arXiv:2305.08081},
year = {2023}
}
备注
This updated version has been submitted to IEEE for possible publication. Copyright may be transferred without notice