深度学习用于 CSI 反馈：单侧模型与联合多模块学习视角
信号处理
2024-05-10 v1
摘要
将深度学习（DL）用于信道状态信息（CSI）反馈引起了学术界和工业界的广泛关注。主流的 DL 架构（如 CsiNet）在基站（BS）侧和用户设备（UE）侧部署 DL 模型，这些模型高度耦合且需要联合训练。然而，双端 DL 模型需要不同网络供应商与 UE 供应商之间的合作，这在达成共识方面带来了巨大挑战，例如模型维护和责任归属。此外，基于 DL 的 CSI 反馈设计仅利用 DL 来减少 CSI 反馈误差，而在收发机处联合优化多个模块将提供更显著的增益。本文从单侧模型和联合多模块学习的视角介绍了基于 DL 的 CSI 反馈。我们在此介绍了多种新颖的单侧 CSI 反馈架构。特别是，最近提出的 CSI-PPPNet 提供了一个单侧的“一网通用”框架，允许一个 DL 模型处理任意的 CSI 压缩率。我们回顾了不同的联合多模块学习方法，其中 CSI 反馈模块与信道编码、信道估计、导频设计和预编码设计等其他模块进行联合学习。最后，从人工智能（AI）的固有局限性和实际部署问题的角度，讨论了基于 DL 的 CSI 反馈的未来方向与挑战。
引用
@article{arxiv.2405.05522,
title = {Deep Learning for CSI Feedback: One-Sided Model and Joint Multi-Module Learning Perspectives},
author = {Yiran Guo and Wei Chen and Feifei Sun and Jiaming Cheng and Michail Matthaiou and Bo Ai},
journal= {arXiv preprint arXiv:2405.05522},
year = {2024}
}