超密集超蜂窝网络中用于波束成形的远程信道推断
信息论
2017-05-16 v2 math.IT
摘要
本文提出了一种基于学习的低开销信道估计方法，用于超密集网络中的协调波束成形。我们首先通过仿真表明，地理上分离的基站（BSs）的信道状态信息（CSI）在互信息方面表现出很强的非线性相关性。这一发现使我们能够采用一种新颖的基于学习的方法，基于伞形控制层 BS 的 CSI 远程推断密集层 BS 的不同波束成形模式的质量。所提出的方案通过将导频辅助信道估计替换为来自人工神经网络（离线拟合）的在线推断，能够减少信道获取开销。此外，我们提出利用多个 CBSs 的联合学习并涉及更多候选波束模式以获得更好的性能。基于随机射线追踪信道模型的仿真结果表明，所提方案在具有 20 种波束成形模式的设置中可达到 99.74% 的准确率。
引用
@article{arxiv.1704.06500,
title = {Remote Channel Inference for Beamforming in Ultra-Dense Hyper-Cellular Network},
author = {Sheng Chen and Zhiyuan Jiang and Jingchu Liu and Rath Vannithamby and Sheng Zhou and Zhisheng Niu and Ye Wu},
journal= {arXiv preprint arXiv:1704.06500},
year = {2017}
}
备注
Submitted to Globecom 2017