基于深度学习分类的时相关 MIMO 信道递归 CSI 量化
信息论
2020-10-22 v1 机器学习
math.IT
摘要
在频分双工（FDD）多输入多输出（MIMO）无线通信中，有限的信道状态信息（CSI）反馈是支持高级单用户和多用户 MIMO 波束赋形/预编码的核心工具。为达到给定 CSI 质量，CSI 量化码本大小须随天线数呈指数增长，导致量化复杂度以及较大 MIMO 系统的反馈开销问题。我们近期提出了一种多级递归 Grassmann 量化器，可显著降低了 CSI 量化复杂度。本文中，我们展示该递归量化器可有效结合深度学习分类以进一步降低复杂度，并能利用时间信道相关性来减少 CSI 反馈开销。
引用
@article{arxiv.2009.13560,
title = {Recursive CSI Quantization of Time-Correlated MIMO Channels by Deep Learning Classification},
author = {Stefan Schwarz},
journal= {arXiv preprint arXiv:2009.13560},
year = {2020}
}
备注
accepted with minor revision for publication in IEEE Signal Processing Letters