分布式天线系统中基于学习的远端射频头选择与定位
信号处理
2021-11-09 v1
摘要
在这项工作中，我们考虑从上行链路信道状态信息(CSI)估计空间分布式天线系统(DAS)中的用户位置。然而，随着远端射频头(RRH)数量的增加，在中心单元(CU)收集CSI会显著增加前传开销和CU的计算复杂度。该问题可通过选择RRH子集来缓解。因此，我们提出一种基于深度学习的方法来选择用于无线定位的RRH子集。我们采用一个RRH选择层，其与网络其余部分联合训练，并学习模型参数以及所选RRH集合。我们表明该选择策略以相对较小的定位性能代价为成本。尽管如此，通过与基于信道增益最大化的朴素方法相比，我们表明所提方法在以非视距为主导的传播环境中带来了显著的性能提升。
引用
@article{arxiv.2111.04106,
title = {Learning-based Remote Radio Head Selection and Localization in Distributed Antenna System},
author = {Artan Salihu and Stefan Schwarz and Markus Rupp},
journal= {arXiv preprint arXiv:2111.04106},
year = {2021}
}