大规模 MIMO 信道预测中的生成模型与预测模型
信息论
2024-11-27 v1 网络与互联网体系结构
math.IT
摘要
大规模 MIMO（mMIMO）系统是满足 5G/6G 网络高吞吐量和可靠性需求的关键技术，机器学习（ML）方法，特别是自编码器（AEs），显示出实际部署的前景。然而，标准自编码器在噪声信道条件下难以实现有效工作，限制了其效用。本工作引入了基于向量量化的生成式自编码器模型（VQ-VAE），用于稳健的 mMIMO 跨天线信道预测。我们比较了生成式和预测式基于自编码器的模型，证明在噪声环境下生成式模型优于预测式模型。提出的 VQ-VAE 在标准自编码器上实现了最高可达 15 [dB] 的 NMSE 改进，约为 9 [dB] 相对于 VAEs。此外，我们还对自编码器模型及扩散模型的复杂度进行了分析，突出了准确性与计算效率之间的权衡。
引用
@article{arxiv.2411.16971,
title = {Generative vs. Predictive Models in Massive MIMO Channel Prediction},
author = {Ju-Hyung Lee and Joohan Lee and Andreas F. Molisch},
journal= {arXiv preprint arXiv:2411.16971},
year = {2024}
}