基于位置波束赋形的深度学习与非视距信道应用
信息论
2022-01-06 v1 机器学习
社会与信息网络
信号处理
math.IT
摘要
大规模 MIMO 系统效率很高，但关键依赖于基站处准确的信道状态信息（CSI）以确定合适的预编码器。CSI 获取需要发送导频符号，这带来了显著开销。本文提出了一种仅依据用户位置知识来确定合适预编码器的方法。这种确定预编码器的方式被称为基于位置的波束赋形。它允许减少或甚至消除对导频符号的需求，具体取决于位置如何获得。所提方法以监督方式学习从位置到预编码器的直接映射。它涉及一个具有基于随机傅里叶特征特定结构的神经网络，可学习包含高空间频率的函数。该方法在经验上得到评估，并在真实合成信道上产生了有前景的结果。与先前提出的方法不同，它可处理视距（LOS）和非视距（NLOS）信道。
引用
@article{arxiv.2201.01386,
title = {Deep learning for location based beamforming with NLOS channels},
author = {Luc Le Magoarou and Taha Yassine and Stéphane Paquelet and Matthieu Crussière},
journal= {arXiv preprint arXiv:2201.01386},
year = {2022}
}