用于 Massive MIMO 定位的监督对比 CSI 表示学习
信息论
2022-06-07 v2 机器学习
math.IT
摘要
相似性度量对于利用信道状态信息（Channel State Information, CSI）的 massive MIMO 定位至关重要。在本文中，我们提出了一种通过深度卷积神经网络（Deep Convolutional Neural Network, DCNN）和对比学习进行 massive MIMO CSI 相似性学习的新方法。设计了一种对比损失函数，考虑了从训练数据集中抽取的多个正样本和负 CSI 样本。使用该损失函数训练 DCNN 编码器，使得正样本被映射到靠近锚点编码的点，而负样本的编码在表示空间中远离锚点的编码。在真实世界 CSI 数据集上进行的基于指纹的定位评估结果表明，与其他已知的 SOTA 方法相比，学习到的相似性度量显著提高了定位精度。
引用
@article{arxiv.2204.12796,
title = {Supervised Contrastive CSI Representation Learning for Massive MIMO Positioning},
author = {Junquan Deng and Wei Shi and Jianzhao Zhang and Xianyu Zhang and Chuan Zhang},
journal= {arXiv preprint arXiv:2204.12796},
year = {2022}
}
备注
5 pages,7 figures,accepted to IEEE Communications Letter