大规模 MIMO 系统中基于深度学习的 CSI 反馈综述

大规模多输入多输出所获得的许多性能增益取决于发射端（基站）下行链路信道状态信息（CSI）的精度，该信息通常通过在接收端（用户终端）估计并反馈给发射端获得。CSI 反馈的开销占据了大量的上行链路带宽资源，尤其在发射天线数量较大时。基于深度学习（DL）的 CSI 反馈是指通过基于 DL 的自编码器进行 CSI 压缩与重建，可大幅减少反馈开销。本文对该主题的最新研究进行了全面综述，首先介绍 CSI 反馈中广泛使用的深度学习基础概念，然后分类并描述一些现有的基于 DL 的反馈工作。重点在于利用新颖的神经网络架构和通信领域专家知识来提高 CSI 反馈精度。还介绍了比特级 CSI 反馈以及 CSI 反馈与其他通信模块联合设计的工作，并讨论了训练数据集收集、在线训练、复杂度、泛化能力和标准化影响等实际问题。文末指出了未来无线通信系统中基于 DL 的 CSI 反馈所面临的一些挑战和潜在研究方向。