論文の概要: Deep Learning-based Implicit CSI Feedback in Massive MIMO

• arxiv url: http://arxiv.org/abs/2105.10100v1
• Date: Fri, 21 May 2021 02:43:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-25 03:09:30.598197
• Title: Deep Learning-based Implicit CSI Feedback in Massive MIMO
• Title（参考訳）: 大規模MIMOにおける深層学習に基づく入出力CSIフィードバック
• Authors: Muhan Chen, Jiajia Guo, Chao-Kai Wen, Shi Jin, Geoffrey Ye Li, Ang Yang
• Abstract要約: ニューラルネットワーク(NN)を用いて,プリコーディング行列インジケータ(PMI)符号化とデコードモジュールを置き換える,低オーバヘッド特性を継承するDLベースの暗黙的フィードバックアーキテクチャを提案する。 1つのリソースブロック(RB)では、2つのアンテナ構成下のタイプIコードブックと比較して25.0%と40.0%のオーバーヘッドを節約できる。
• 参考スコア（独自算出の注目度）: 68.81204537021821
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Massive multiple-input multiple-output can obtain more performance gain by exploiting the downlink channel state information (CSI) at the base station (BS). Therefore, studying CSI feedback with limited communication resources in frequency-division duplexing systems is of great importance. Recently, deep learning (DL)-based CSI feedback has shown considerable potential. However, the existing DL-based explicit feedback schemes are difficult to deploy because current fifth-generation mobile communication protocols and systems are designed based on an implicit feedback mechanism. In this paper, we propose a DL-based implicit feedback architecture to inherit the low-overhead characteristic, which uses neural networks (NNs) to replace the precoding matrix indicator (PMI) encoding and decoding modules. By using environment information, the NNs can achieve a more refined mapping between the precoding matrix and the PMI compared with codebooks. The correlation between subbands is also used to further improve the feedback performance. Simulation results show that, for a single resource block (RB), the proposed architecture can save 25.0% and 40.0% of overhead compared with Type I codebook under two antenna configurations, respectively. For a wideband system with 52 RBs, overhead can be saved by 30.7% and 48.0% compared with Type II codebook when ignoring and considering extracting subband correlation, respectively.
• Abstract（参考訳）: 基地局(BS)のダウンリンクチャネル状態情報(CSI)を利用して、大規模マルチインプットマルチアウトプットにより、より多くの性能向上を得ることができる。 そのため、周波数分割二重化システムにおける通信資源の制限によるCSIフィードバックの研究が重要である。 近年,ディープラーニング(DL)に基づくCSIフィードバックは大きな可能性を秘めている。 しかし、現在の第5世代モバイル通信プロトコルやシステムは暗黙のフィードバック機構に基づいて設計されているため、既存のDLベースの明示的なフィードバックスキームの展開は困難である。 本稿では、ニューラルネットワーク(nns)を用いてプリコーディングマトリックスインジケータ(pmi)の符号化とデコードモジュールを置き換える低オーバヘッド特性を継承するためのdlベースの暗黙的フィードバックアーキテクチャを提案する。 環境情報を利用することで、NNはプリコーディング行列とPMIの間のより洗練されたマッピングを実現することができる。 サブバンド間の相関はフィードバック性能をさらに改善するためにも用いられる。 シミュレーションの結果,1つのリソースブロック (RB) に対して,提案アーキテクチャは2つのアンテナ構成下のタイプIコードブックと比較して25.0%と40.0%のオーバーヘッドを節約できることがわかった。 52 RBの広帯域システムでは、サブバンド相関を無視および検討する場合、タイプIIのコードブックと比較してオーバーヘッドを30.7%、48.0%削減できる。

関連論文リスト

• Reversible Decoupling Network for Single Image Reflection Removal [15.763420129991255]
  高レベルのセマンティックなヒントは、層間伝播中に圧縮または破棄される傾向がある。 我々はReversible Decoupling Network (RDNet)と呼ばれる新しいアーキテクチャを提案する。 RDNetは可逆エンコーダを使用して、転送時と反射時の特徴を柔軟に分離しながら、貴重な情報を確保する。
  論文  参考訳（メタデータ） (2024-10-10T15:58:27Z)
• An Adaptive CSI Feedback Model Based on BiLSTM for Massive MIMO-OFDM Systems [19.423451330095766]
  入力CSIの長さとフィードバックビットの数は、異なるシナリオで調整可能でなければならない。 提案したFBCU付きABLNetは、異なる入力CSI長とフィードバックビット数に適合する。 提案された個別のトレーニングアプローチは、フィードバックのパフォーマンスを維持し、フィードバックモデルの複雑さを低減することができる。
  論文  参考訳（メタデータ） (2024-07-26T07:07:34Z)
• Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
  本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。 エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。 提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
  論文  参考訳（メタデータ） (2023-06-08T06:15:17Z)
• Deep Learning-Based Rate-Splitting Multiple Access for Reconfigurable Intelligent Surface-Aided Tera-Hertz Massive MIMO [56.022764337221325]
  再構成可能なインテリジェントサーフェス(RIS)は,Tera-Hertz大規模マルチインプットマルチアウトプット(MIMO)通信システムのサービスカバレッジを大幅に向上させることができる。 しかし、パイロットとフィードバック信号のオーバーヘッドが限定された正確な高次元チャネル状態情報(CSI)を得ることは困難である。 本稿では、RIS支援Tera-Hertzマルチユーザアクセスシステムのための、ディープラーニング(DL)に基づくレート分割多重アクセス方式を提案する。
  論文  参考訳（メタデータ） (2022-09-18T03:07:37Z)
• Overview of Deep Learning-based CSI Feedback in Massive MIMO Systems [77.0986534024972]
  ディープラーニング(DL)ベースのCSIフィードバックは、DLベースのオートエンコーダによるCSI圧縮と再構築を指し、フィードバックオーバーヘッドを大幅に削減することができる。 その焦点は、CSIフィードバックの正確性を改善するために、新しいニューラルネットワークアーキテクチャとコミュニケーション専門家の知識の利用である。
  論文  参考訳（メタデータ） (2022-06-29T03:28:57Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Binarized Aggregated Network with Quantization: Flexible Deep Learning Deployment for CSI Feedback in Massive MIMO System [22.068682756598914]
  アグリゲートチャネル再構築ネットワーク(ACRNet)と呼ばれる新しいネットワークは、フィードバックパフォーマンスを高めるように設計されています。 異なる資源制約を満たすために,ネットワークを柔軟に適応させる弾性フィードバック方式を提案する。 実験の結果、提案したACRNetは従来の最先端ネットワークの負荷よりも優れていた。
  論文  参考訳（メタデータ） (2021-05-01T22:50:25Z)
• Dual-constrained Deep Semi-Supervised Coupled Factorization Network with Enriched Prior [80.5637175255349]
  本稿では、DS2CF-Netと呼ばれる、拡張された事前制約付きDual-Constrained Deep Semi-Supervised Coupled Factorization Networkを提案する。 隠れた深い特徴を抽出するために、DS2CF-Netは、深い構造と幾何学的な構造に制約のあるニューラルネットワークとしてモデル化される。 我々のネットワークは、表現学習とクラスタリングのための最先端の性能を得ることができる。
  論文  参考訳（メタデータ） (2020-09-08T13:10:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。