面向宽带大规模 MIMO 通信的低复杂度有限反馈深度混合波束赋形
信号处理
2019-11-01 v1
摘要
在宽带毫米波（mm-Wave）系统中，期望设计在整个频带使用公共模拟波束赋形器、而在不同频率子带采用不同基带波束赋形器的混合波束赋形器。此外，其性能在很大程度上依赖于信道信息的完备性。本文提出一种用于宽带毫米波大规模 MIMO 系统混合波束赋形器设计的深度学习（DL）框架。我们设计了一个卷积神经网络（CNN），其输入为所有子载波的信道矩阵，输出为混合波束赋形器。所提出的 CNN 架构使用不完美信道矩阵进行训练，以针对信道数据中的偏差提供鲁棒性能。因此，该预编码方案可处理不可用信道完整精确知识的非完美或有限反馈场景。我们表明，所提出的 DL 框架比传统的基于优化和相位提取的方法更具鲁棒性且计算复杂度更低。
引用
@article{arxiv.1910.14240,
title = {Low-Complexity Limited-Feedback Deep Hybrid Beamforming for Broadband Massive MIMO Communications},
author = {Ahmet M. Elbir and Kumar Vijay Mishra},
journal= {arXiv preprint arXiv:1910.14240},
year = {2019}
}
备注
5 pages, 4 figures