面向 6G UM-MIMO 太赫兹通信的自监督对比学习:提升非完美 CSI 下的鲁棒性
信号处理
2024-07-15 v2
摘要
本文研究对比学习在 6G 超大规模多输入多输出(UM-MIMO)通信系统中的潜力,特别关注 THz 频段下非完美信道状态信息(CSI)条件中的混合波束成形。由于其高频谱效率和容量,UM-MIMO 系统在未来 6G 无线通信网络中极具前景。CSI 的准确性显著影响 UM-MIMO 系统的性能。然而,由于信道估计误差、反馈延迟和硬件缺陷等各种实际限制,获取完美的 CSI 极具挑战。为解决此问题,我们提出一种新颖的基于自监督对比学习的混合波束成形方法,该方法对非完美 CSI 具有鲁棒性。我们展示了对比学习应对非完美 CSI 所带来挑战的能力,并表明与传统方法相比,所提方法在可达速率方面实现了系统性能的提升。
引用
@article{arxiv.2401.11376,
title = {Self-supervised Contrastive Learning for 6G UM-MIMO THz Communications: Improving Robustness Under Imperfect CSI},
author = {Rafid Umayer Murshed and Md Saheed Ullah and Mohammad Saquib and Moe Z. Win},
journal= {arXiv preprint arXiv:2401.11376},
year = {2024}
}
备注
7 pages, 7 figures, Presented at IEEE International Conference on Communications, 2024