基于双向信道互易性的1-bit压缩感知叠加CSI反馈融合学习
信号处理
2022-01-21 v1
摘要
由于丢弃了下行信道状态信息（CSI）幅度并采用迭代重建算法，基于1-bit压缩感知（CS）的叠加CSI反馈面临着恢复精度低和处理时延大的挑战。为克服这些缺陷，本文利用双向信道互易性提出了一种融合学习方案。具体而言，采用传统下行CSI重建的简化版本来提取下行CSI的初始特征，并设计了一个基于单隐藏层的幅度学习网络（AMPL-NET）以学习下行CSI幅度的辅助特征。然后，基于提取和学习的幅度特征，开发了简单而有效的幅度融合网络（AMPF-NET）来执行下行CSI的幅度融合，从而在使用基于1-bit CS的叠加CSI反馈时提高重建精度并降低处理时延。仿真结果表明了所提反馈方案的有效性以及对参数变化的鲁棒性。
引用
@article{arxiv.2201.07943,
title = {Fusion Learning for 1-Bit CS-based Superimposed CSI Feedback with Bi-Directional Channel Reciprocity},
author = {Chaojin Qing and Qing Ye and Wenhui Liu and Jiafan Wang},
journal= {arXiv preprint arXiv:2201.07943},
year = {2022}
}
备注
5 pages, 4 figures