FDD大规模MIMO系统中用于CSI反馈的轻量级灵活深度均衡学习
信息论
2023-06-06 v2 机器学习
信号处理
math.IT
摘要
在频分双工（FDD）大规模多输入多输出（MIMO）系统中，下行链路信道状态信息（CSI）需要由用户发送回基站（BS），这导致了难以承受的反馈开销。本文中，我们利用深度均衡模型，提出了一种轻量级且灵活的基于深度学习的CSI反馈方法。与现有堆叠多个显式层的深度学习方法不同，我们提出了一个隐式均衡块来模拟无限深度神经网络的行为。特别地，该隐式均衡块由不动点迭代定义，且不同迭代中的可训练参数是共享的，从而得到一个轻量级模型。此外，前向迭代次数可根据用户的计算能力进行调整，实现了灵活的精度-效率权衡。仿真结果表明，所提出的设计以大幅降低的复杂度获得了与基准方案相当的性能，并允许在运行时进行精度-效率权衡。
引用
@article{arxiv.2211.15079,
title = {Lightweight and Flexible Deep Equilibrium Learning for CSI Feedback in FDD Massive MIMO},
author = {Yifan Ma and Wentao Yu and Xianghao Yu and Jun Zhang and Shenghui Song and Khaled B. Letaief},
journal= {arXiv preprint arXiv:2211.15079},
year = {2023}
}
备注
submitted to IEEE for possible publication