面向 CSI 反馈的知识驱动元学习
信号处理
2023-10-26 v2
摘要
准确有效的信道状态信息(CSI)反馈是大规模多输入多输出系统的关键技术。近年来,深度学习(DL)通过海量收集的训练数据和漫长的训练时间被引入以增强 CSI 反馈,这在现实部署中成本高昂且不切实际。本文提出一种知识驱动元学习方法,其中由元训练阶段获得的元模型初始化的 DL 模型,在目标重训练阶段面对新场景时能够实现快速收敛。具体而言,不同于使用从多种场景收集的海量数据训练,元任务环境基于 CSI 空频特性的内在知识构建以进行元训练。此外,目标任务数据集也通过利用无线信道统计特性的知识进行增强,从而使 DL 模型能够以少量实际收集的数据集和短训练时间达到更高性能。另外,我们分析了两阶段中知识带来改进的原理。仿真结果从反馈性能和收敛速度角度证明了所提方法的优越性。
引用
@article{arxiv.2310.15548,
title = {Knowledge-driven Meta-learning for CSI Feedback},
author = {Han Xiao and Wenqiang Tian and Wendong Liu and Jiajia Guo and Zhi Zhang and Shi Jin and Zhihua Shi and Li Guo and Jia Shen},
journal= {arXiv preprint arXiv:2310.15548},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2301.13475