增强深度学习-based CSI 反馈的环境通用性
信号处理
2025-07-10 v1
摘要
准确且低开销的信道状态信息（CSI）反馈对于提高频率分离双制（FDD）大规模多输入多输出（MIMO）系统的容量至关重要。深度学习-based 的 CSI 反馈显著优于传统方法。然而，当前的深度学习-based CSI 反馈算法对未见环境的通用性有限，这显著增加了部署成本。本文首先建模 CSI 在不同环境之间的分布迁移，其由多径结构分布迁移和单径分布迁移组成。然后，提出 EG-CsiNet 作为一种新的 CSI 反馈学习框架，以增强环境通用性。显式地，EG-CsiNet 包括多径解耦和细粒度对齐模块，这些模块可以解决多径结构和单径的分布迁移。基于大量仿真，所提出的 EG-CsiNet 能在未见环境中稳健地增强通用性，尤其是在单一源环境等具有挑战性条件下。
引用
@article{arxiv.2507.06833,
title = {Enhancing Environment Generalizability for Deep Learning-Based CSI Feedback},
author = {Haoyu Wang and Shuangfeng Han and Xiaoyun Wang and Zhi Sun},
journal= {arXiv preprint arXiv:2507.06833},
year = {2025}
}