利用深度学习提升 R17 Type-II 码本性能
信息论
2023-10-11 v1 机器学习
信号处理
math.IT
摘要
Release 17 (R17) 中的 Type-II 码本利用上下行信道之间角度-时延域的部分互易性，选择部分角度-时延域端口用于测量和反馈下行链路信道状态信息（CSI），其中现有深度学习增强的 CSI 反馈方法由于稀疏结构的缺失而性能受限。为了解决这个问题，我们提出了采用深度学习来改进 R17 Type-II 码本的两个新视角。首先，考虑到上行链路信道的低信噪比，利用深度学习准确选择主导角度-时延域端口，其中利用 focal loss 解决类别不平衡问题。其次，我们提出在基站端基于 R17 Type-II 码本的反馈采用深度学习重构下行链路 CSI，其中可以有效利用稀疏结构信息。此外，设计了一个加权快捷模块以促进准确重构。仿真结果表明，与传统的 R17 Type-II 码本和深度学习基准相比，我们提出的方法能够提升系统和速率性能。
引用
@article{arxiv.2310.05962,
title = {Improving the Performance of R17 Type-II Codebook with Deep Learning},
author = {Ke Ma and Yiliang Sang and Yang Ming and Jin Lian and Chang Tian and Zhaocheng Wang},
journal= {arXiv preprint arXiv:2310.05962},
year = {2023}
}
备注
Accepted by IEEE GLOBECOM 2023, conference version of Arxiv:2305.08081