基于机器学习的无反馈大规模多用户 MIMO 自适应 MCS 选择
信号处理
2023-10-24 v1
摘要
随着无线通信系统力求提升频谱效率，采用基于机器学习（ML）的方法进行自适应调制与编码方案（MCS）选择日益受到关注。本文提出一种用于大规模 MIMO 系统的新型自适应 MCS 选择框架，该框架无需任何用户反馈，仅依赖瞬时上行信道估计即可运行。我们所提方法可有效应用于用户反馈带来过高延迟与带宽开销的多用户场景。为学习用户信道矩阵与每用户最优 MCS 等级之间的映射，我们开发了基于卷积神经网络（CNN）—长短期记忆网络（LSTM）的模型，并与最先进方法的性能进行比较。最后，我们使用从 RENEW 大规模 MIMO 平台收集的真实数据集进行实验评估，验证了算法的有效性。
引用
@article{arxiv.2310.13830,
title = {ML-Based Feedback-Free Adaptive MCS Selection for Massive Multi-User MIMO},
author = {Qing An and Mehdi Zafari and Chris Dick and Santiago Segarra and Ashutosh Sabharwal and Rahman Doost-Mohammady},
journal= {arXiv preprint arXiv:2310.13830},
year = {2023}
}