用于大规模 MIMO CSI 预测的谱时序图神经网络
信息论
2023-12-06 v1 人工智能
信号处理
math.IT
摘要
在 5G 通信系统中，信道状态信息（CSI）预测的准确性对于优化性能至关重要。本文介绍了一种开创性的方法：谱时序图神经网络（STEM GNN），该方法利用图傅里叶变换融合了无线信道的空间关系和时序动态。我们将 STEM GNN 方法与传统的循环神经网络（RNN）和长短期记忆（LSTM）模型进行了 CSI 预测的比较。我们的研究结果显示，STEM GNN 显著提升了通信系统的整体性能。例如，在一种场景下，STEM GNN 实现了 5.009 bps/Hz 的总速率，比 LSTM 高 ，比 RNN 高 。STEM GNN 的谱时序分析能力捕获了传统模型经常忽略的复杂模式，在波束成形、干扰缓解和超可靠低延迟通信（URLLC）方面提供了改进。
引用
@article{arxiv.2312.02159,
title = {Spectral Temporal Graph Neural Network for massive MIMO CSI Prediction},
author = {Sharan Mourya and Pavan Reddy and SaiDhiraj Amuru and Kiran Kumar Kuchi},
journal= {arXiv preprint arXiv:2312.02159},
year = {2023}
}