基于ODE-RNN的移动MIMO信道预测：一种物理启发的自适应方法
信号处理
2022-07-25 v1
摘要
获取准确的信道状态信息（CSI）对于多输入多输出（MIMO）无线通信系统而言既关键又具挑战性。传统信道估计方法无法保证移动CSI的精度且需要较高的信令开销。通过挖掘在特定通信环境中随机获取的一组历史CSI实例间的内在相关性，信道预测可显著提升CSI精度并节省信令开销。本文中，我们提出一种基于常微分方程（ODE）-循环神经网络（RNN）的新型信道预测方法，用于准确且灵活的移动MIMO信道预测。不同于现有工作使用序列网络结构来挖掘观测数据间的数值相关性，我们所提方法试图通过专门设计的具有ODE结构的连续学习网络来表征路径响应变化的隐式物理过程。由于学习网络的针对性设计，我们所提方法更好地契合了CSI数据的数学特征并具备更高的网络可解释性。实验结果表明，所提学习方法优于现有方法，尤其在CSI序列长时间间隔与较大信道测量误差情形下。
引用
@article{arxiv.2207.03736,
title = {Mobile MIMO Channel Prediction with ODE-RNN: a Physics-Inspired Adaptive Approach},
author = {Zhuoran Xiao and Zhaoyang Zhang and Zirui Chen and Zhaohui Yang and Richeng Jin},
journal= {arXiv preprint arXiv:2207.03736},
year = {2022}
}
备注
7 pages, conference