MIMO CSI 反馈中基于深度神经递归网络的时空表征
信号处理
2022-04-28 v2 机器学习
摘要
在多输入多输出（MIMO）系统中，利用发射端可用的信道状态信息（CSI）进行预编码，对于提升频分双工（FDD）网络的性能至关重要。主要挑战之一是在大规模 MIMO 系统的 CSI 反馈传输中压缩大量 CSI。本文提出一种基于深度学习（DL）的方法，使用深度递归神经网络（RNN）学习时间相关性，并采用深度可分离卷积来缩减模型规模。通过研究不同结构中解耦的时空特征表征，还精心设计了特征提取模块。实验结果表明，所提方法在恢复质量和精度上优于现有基于 DL 的方法，并且在低压缩比（CR）下也能实现显著的鲁棒性。
引用
@article{arxiv.1908.07934,
title = {Spatio-Temporal Representation with Deep Neural Recurrent Network in MIMO CSI Feedback},
author = {Xiangyi Li and Huaming Wu},
journal= {arXiv preprint arXiv:1908.07934},
year = {2022}
}
备注
5pages, 6figures, 14conference