基于残差交叉注意力 Transformer 与深度联合信源信道编码的多用户 CSI 反馈
机器学习
2025-05-27 v1 人工智能
摘要
本文提出了一种基于深度学习 (DL) 的多用户信道状态信息 (CSI) 反馈框架，用于大规模多输入多输出系统，其中利用深度联合信源信道编码 (DJSCC) 来提高 CSI 重建精度。具体而言，我们设计了一个多用户联合 CSI 反馈框架，利用邻近用户的 CSI 相关性来减少反馈开销。在该框架下，我们提出了一种新的残差交叉注意力 Transformer 架构，部署在基站以进一步提升 CSI 反馈性能。此外，为解决传统比特级 CSI 反馈方法的“悬崖效应”，我们将 DJSCC 集成到多用户 CSI 反馈中，并利用两阶段训练方案以适应不同的上行噪声水平。实验结果证明了我们方法在 CSI 反馈性能上的优越性，且网络复杂度低，可扩展性更好。
引用
@article{arxiv.2505.19465,
title = {Residual Cross-Attention Transformer-Based Multi-User CSI Feedback with Deep Joint Source-Channel Coding},
author = {Hengwei Zhang and Minghui Wu and Li Qiao and Ling Liu and Ziqi Han and Zhen Gao},
journal= {arXiv preprint arXiv:2505.19465},
year = {2025}
}