面向大规模MIMO CSI反馈的深度学习
信息论
2018-04-24 v4 math.IT
摘要
在频分双工模式下，下行信道状态信息（CSI）应通过反馈链路发送至基站，以展现大规模多输入多输出（massive MIMO）的潜在增益。然而，此种传输受限于过高的反馈开销。在本信中，我们利用深度学习技术开发了 CsiNet，一种新颖的 CSI 感知与恢复机制，可从训练样本中学习有效利用信道结构。CsiNet 学习从 CSI 到近最优数量的表示（或码字）的变换，以及从码字到 CSI 的逆变换。我们开展实验证明，与现有基于压缩感知（CS）的方法相比，CsiNet 能以显著改善的重建质量恢复 CSI。即使在 CS 方法无法工作的极低压缩比区域，CsiNet 仍保持有效的波束赋形增益。
引用
@article{arxiv.1712.08919,
title = {Deep Learning for Massive MIMO CSI Feedback},
author = {Chao-Kai Wen and Wan-Ting Shih and Shi Jin},
journal= {arXiv preprint arXiv:1712.08919},
year = {2018}
}
备注
5 pages, 2 figures, 3 tables; IEEE Wireless Communications Letters; the source code of this paper is available on GitHub: https://github.com/sydney222/Python_CsiNet