基于深度展开的大规模MIMO系统CSI反馈算法

TN929.5; 针对现阶段大规模MIMO系统中基于深度学习的信道状态信息(CSI)反馈算法待训练参数过多、可解释性不强的问题,提出了2种基于深度展开的CSI反馈算法.一种是基于可学习参数的近似消息传递(AMP)算法,该算法利用深度学习中的可学习参数将AMP算法中阈值函数的阈值和Onsager校正项的参数替换,增强了阈值函数在应对非严格稀疏数据时的非线性能力.另一种是基于卷积网络的AMP算法,该算法将阈值函数模块替换为卷积残差学习模块,利用该模块去除AMP算法中每轮迭代产生的高斯随机噪声.仿真分析表明,所提算法具有比AMP算法更好的CSI反馈表现,其中基于卷积网络的AMP算法具有比基于深度学习...

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 43; no. 12; pp. 77 - 88
Main Authors 廖勇, 程港, 李玉杰
Format Journal Article
LanguageChinese
Published 重庆大学微电子与通信工程学院,重庆 400044 2022
Subjects
可学习参数
CSI反馈
近似消息传递
深度学习
深度展开
卷积网络
Online AccessGet full text
ISSN1000-436X
DOI10.11959/j.issn.1000-436x.2022237

Cover

More Information
Summary:TN929.5; 针对现阶段大规模MIMO系统中基于深度学习的信道状态信息(CSI)反馈算法待训练参数过多、可解释性不强的问题,提出了2种基于深度展开的CSI反馈算法.一种是基于可学习参数的近似消息传递(AMP)算法,该算法利用深度学习中的可学习参数将AMP算法中阈值函数的阈值和Onsager校正项的参数替换,增强了阈值函数在应对非严格稀疏数据时的非线性能力.另一种是基于卷积网络的AMP算法,该算法将阈值函数模块替换为卷积残差学习模块,利用该模块去除AMP算法中每轮迭代产生的高斯随机噪声.仿真分析表明,所提算法具有比AMP算法更好的CSI反馈表现,其中基于卷积网络的AMP算法具有比基于深度学习的代表性方法更优异的CSI重构性能.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2022237