基于极限学习机的频分双工大规模MIMO系统叠加CSI反馈
信号处理
2020-03-13 v2
摘要
在频分双工(FDD)大规模多输入多输出(MIMO)中，基于深度学习(DL)的叠加信道状态信息(CSI)反馈已展现出良好的性能。然而，它仍面临诸多挑战，例如参数调优复杂度高、训练参数数量大以及训练时间长等。为克服这些挑战，本文提出一种基于极限学习机(ELM)的叠加CSI反馈方法，其中下行CSI被扩频后叠加在上行用户数据序列(UL-US)上反馈给基站(BS)。在BS处，构建基于ELM的网络以恢复下行CSI和UL-US。在所构建的基于ELM的网络中，我们采用简化版的ELM子网替代基于DL的叠加反馈子网，从而减少了训练参数。此外，每个ELM子网的输入权重和隐层偏置通过使用同一矩阵的全部或部分元素进行加载，这显著降低了存储需求。在下行CSI和UL-US恢复性能相似或更好的情况下，所提出的基于ELM的方法比基于DL的叠加CSI反馈具有更少的训练参数、存储空间、离线训练及在线运行时间。
引用
@article{arxiv.2002.07508,
title = {ELM-based Superimposed CSI Feedback for FDD Massive MIMO System},
author = {Chaojin Qing and Bin Cai and Qingyao Yang and Jiafan Wang and Chuan Huang},
journal= {arXiv preprint arXiv:2002.07508},
year = {2020}
}
备注
11pages, 7 figures