GAN 驱动的 CSI 反馈持续学习方法用于 FDD mMIMO-OFDM 系统
机器学习
2025-11-26 v1 人工智能
信息论
math.IT
摘要
深度自编码器（DAE）框架在减少巨型阵列多输入多输出（mMIMO）正交频分复用（OFDM）系统中信道状态信息（CSI）反馈开销方面显示出了有效性。然而，现有的 CSI 反馈模型难以适应用户移动性导致的动态环境，需要在面对新 CSI 分布时进行重新训练。此外，返回先前 encountered 的环境常常会导致性能下降 due to 灾难性遗忘。持续学习涉及使模型能够整合新信息，同时保持对以前学习任务的性能。为解决这些挑战，我们提出了一种基于生成对抗网络（GAN）的 CSI 反馈学习方法。通过将 GAN 生成器作为记忆单元，本方法保留过去环境的知识，确保在各种情景下均能保持一致的高性能而无需遗忘。仿真结果表明，所提方法增强了 DAE 框架的泛化能力，同时保持较低的内存开销。此外，它可以无缝集成到其他高级 CSI 反馈模型中，凸显其鲁棒性和适应性。
引用
@article{arxiv.2511.19490,
title = {Generative Model-Aided Continual Learning for CSI Feedback in FDD mMIMO-OFDM Systems},
author = {Guijun Liu and Yuwen Cao and Tomoaki Ohtsuki and Jiguang He and Shahid Mumtaz},
journal= {arXiv preprint arXiv:2511.19490},
year = {2025}
}