FDD大规模MIMO系统CSI压缩的基本极限
信息论
2026-03-17 v1 math.IT
机器学习
摘要
频率分割双工(FDD)大规模多输入多输出(MIMO)系统中的信道状态信息(CSI)反馈，受到宽带信道高维度的基本限制。本文将叠加的宽带CSI向量建模为具有潜在几何状态的高斯混合源，该状态代表不同的传输环境。每个分量对应一种由其自身协方差矩阵特征征的局部平稳 regime。该表征能够捕捉实际CSI数据集的多模态特性，同时保持高斯模型的解析可处理性。针对这种结构，我们提出了高斯混合变换编码(Gaussian-mixture transform coding, GMTC)，一种实用的CSI反馈架构，将状态推断与状态自适应变换编码相结合。混合参数从信道样本中离线学习，并存储在用户设备(UE)和基站两端作为共享统计字典。对于每一次CSI实现，UE识别最可能的几何状态，使用无损源码编码该标签，并针对该状态使用卡哈�克-鲁夫变换进行CSI压缩。我们进一步通过推导率失真(RD)函数的分析逆变换和可达性界限， characterize该模型下的CSI压缩的基本极限。一个关键结构结果表明，最优的位分配跨所有混合分量由单个全局逆水壶式水平决定。COST2100数据集上的仿真结果表明，GMTC在RD权衡方面显著优于神经变换编码方法，同时需要大大减小模型内存和推理复杂度。这些结果表明，通过无需依赖大型神经编码器即可实现近最优CSI压缩是可能的。
引用
@article{arxiv.2603.14325,
title = {Fundamental Limits of CSI Compression in FDD Massive MIMO},
author = {Bumsu Park and Youngmok Park and Chanho Park and Namyoon Lee},
journal= {arXiv preprint arXiv:2603.14325},
year = {2026}
}
备注
14 pages, 5 figures