基于 Loewner 插值与深度学习的变长宽带 CSI 反馈
信号处理
2026-01-14 v1
摘要
在本文中，我们针对 U6G 频段（6425MHz-7125MHz）的频分双工（FDD）大规模多输入多输出（MIMO）系统，提出了一种变长宽带信道状态信息（CSI）反馈方案。现有的基于压缩感知（CS）和基于深度学习（DL）的方案通过在角度-延迟域截断信道来对其进行预处理。然而，离散傅里叶变换（DFT）基引起的能量泄漏效应在应用于 U6G 中的宽带信道时会更加严重，并导致恢复精度的瓶颈。为解决此问题，我们引入了 Loewner 插值（LI）框架，该框架基于当前 CSI 矩阵生成一组动态基，从而在频域实现高效压缩。随后，通过神经网络在空间域进一步压缩 LI 基。为实现反馈开销与恢复精度之间的灵活权衡，我们设计了一种采用尾部丢弃和多目标学习策略训练的无速率自动编码器，支持使用单一模型进行变长反馈。同时，码字按重要性排序，确保基站（BS）在尾部擦除的有限反馈下仍能保持可接受的重构性能。此外，为该反馈框架开发了自适应量化策略以增强鲁棒性。仿真结果表明，与基线方案相比，所提方案能以更少或相等的反馈开销实现更高的 CSI 反馈精度，并提升频谱效率。
引用
@article{arxiv.2601.08300,
title = {Variable-Length Wideband CSI Feedback via Loewner Interpolation and Deep Learning},
author = {Meilin Li and Wei Xu and Zhixiang Hu and An Liu},
journal= {arXiv preprint arXiv:2601.08300},
year = {2026}
}