差分编码辅助的机器学习CSI反馈方法
Differential Coding-Aided CSI Feedback Using Machine Learning作者机构:西华大学电气与电子信息学院成都610039 中国电子科技集团公司第二十九研究所成都610036 西华大学航空航天学院成都610039
出 版 物:《电子信息对抗技术》 (Electronic Information Warfare Technology)
年 卷 期:2024年第39卷第2期
页 面:64-71页
学科分类:0810[工学-信息与通信工程] 08[工学] 081001[工学-通信与信息系统]
基 金:四川省科技计划资助项目(2023YFG0316,2021JDRC0003) 中国高校产学研创新基金(2021ITA10016) 西华大学校重点项目(Z1320929) 四川省产业发展专项资金资助项目(ZYF-2018-056) 四川省科技计划项目重大科技专项基金(19ZDZX0016/2019YFG0395) 2020年成都市第二批重大科技应用示范项目(2020-YF09-00048-SN) 四川省科技厅科技攻关项目(2021YFG0064)
摘 要:在大规模多输入多输出(massive Multiple Input Multiple Output,mMIMO)系统中,信道状态信息(Channel State Information,CSI)反馈严重占用上行带宽资源。为此,提出差分编码辅助的机器学习CSI反馈,探索节省上行带宽资源,减小用户设备(User Equipment,UE)能量开销的途径。在UE端,通过差分编码方式反馈CSI,避免UE端发送用于上行信道估计的导引,从而减小上行带宽资源占用,并节省UE能量开销。在基站(Base Station,BS)端,首先对接收信号进行差分译码,随后构建轻量化神经网络恢复下行CSI。仿真结果表明,相对于上行导引信道估计的CSI反馈,所研究的差分编码辅助的机器学习CSI反馈方法在节省上行带宽资源、减小UE能量消耗的同时,提高了下行CSI的重构精度。