基于ID-Photo启发式预处理的大规模MIMO中深度学习CSI反馈的泛化
信息论
2024-10-11 v2 信号处理
math.IT
摘要
深度学习（DL）基于的信道状态信息（CSI）反馈在大规模MIMO系统中展现出提升频谱效率的巨大潜力。然而，针对特定环境优化的DL模型由于模型不匹配，常在其他环境中出现性能下降。为克服这一实际部署障碍，我们提出UniversalNet——一种受ID-照片启发的通用CSI反馈框架，通过标准化输入格式提高模型的泛化性。具体而言，UniversalNet采用标准化输入格式以减轻环境可变性的影响，结合稀疏域中轻量级稀疏对齐操作以及对原始格式的边际控制位数，以实现精确的CSI反馈。该框架无需更新神经网络权重，即可在预处理和后处理中实现无缝集成。进一步，我们提出一种高效的特征向量联合优化方法，通过将信道相关性投影到特征空间来提高预编码矩阵的稀疏性，从而提升隐式CSI压缩效率。测试结果表明，UniversalNet在训练样本稀缺且面对以前未见的CSI环境时，能够有效提升泛化性能，确保精确的CSI反馈。
引用
@article{arxiv.2409.13494,
title = {Generalizing Deep Learning-Based CSI Feedback in Massive MIMO via ID-Photo-Inspired Preprocessing},
author = {Zhenyu Liu and Yi Ma and Rahim Tafazolli},
journal= {arXiv preprint arXiv:2409.13494},
year = {2024}
}