云无线接入网络中基于元学习的前传压缩
信息论
2024-03-15 v1 信号处理
math.IT
摘要
本文研究了以用户为中心的云无线接入网络中的前传压缩问题，其中单天线用户由中央处理器 (CP) 通过一组远程无线头 (RRH) 协同服务。为满足前传容量约束，本文提出了一种变换-压缩-转发方案，该方案由精心设计的变换矩阵和均匀量化器组成。变换矩阵在上行链路执行降维，在下行链路执行升维。为减少设计变换矩阵的通信开销，本文进一步提出了一种深度学习框架，首先基于局部信道状态信息 (CSI) 在每个 RRH 处学习一个次优变换矩阵，然后对其进行迭代优化。为促进优化过程，我们提出了一种高效的信令方案，仅需在 CP 和 RRH 之间传输低维有效 CSI 及其梯度，并进一步提出基于元学习的门控循环单元网络以减少信令传输轮数。针对和速率最大化问题，仿真结果表明，所提出的两阶段神经网络性能接近基于全局 CSI 的全协同基准，且在上行链路和下行链路中均显著降低了通信开销。此外，仅使用第一阶段即可超越现有的基于局部 CSI 的基准。
引用
@article{arxiv.2403.09004,
title = {Meta-Learning-Based Fronthaul Compression for Cloud Radio Access Networks},
author = {Ruihua Qiao and Tao Jiang and Wei Yu},
journal= {arXiv preprint arXiv:2403.09004},
year = {2024}
}
备注
15 Pages, 13 Figures; accepted in IEEE Transactions on Wireless Communications