看见不可见：无线通信网络的信道学习
信息论
2015-08-25 v2 网络与互联网体系结构
math.IT
摘要
无线通信网络高度依赖信道状态信息（CSI）来为信号处理和网络操作做出明智决策。然而，传统的 CSI 获取方法面临诸多困难：导频辅助的信道训练消耗大量信道资源并减少节能机会，而位置辅助的信道估计则受制于不准确和不充分的位置信息。本文提出一种新颖的信道学习框架，通过从可观测 CSI 推断不可观测 CSI 来应对这些困难。我们从理论上构建了该框架，并阐述了一个可保证不可观测 CSI 可学习性的特例。随后描述了信道学习的可能应用，包括多层网络中的小区选择、设备到设备（D2D）通信的设备发现，以及用于负载均衡的端到端用户关联。我们还针对多层网络中的小区选择问题提出了一种基于神经元网络的算法。该算法的性能使用基于几何的随机信道模型（GSCM）进行评估。在 5 个小区的设置中，平均小区选择准确率为 73%——与需要真实位置信息的位置辅助算法相比，性能损失仅为 3.9%。
引用
@article{arxiv.1508.01899,
title = {Seeing the Unobservable: Channel Learning for Wireless Communication Networks},
author = {Jingchu Liu and Ruichen Deng and Sheng Zhou and Zhisheng Niu},
journal= {arXiv preprint arXiv:1508.01899},
year = {2015}
}
备注
6 pages, 4 figures, accepted by GlobeCom'15