BriefGPT - AI 论文速递
·
基于深度学习的海量 MIMO 系统中的矢量量化 CSI 反馈
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种在大规模多输入多输出系统中的通道状态信息反馈方法。该方法利用矢量量化变分自动编码器框架实现有限位表示的潜在矢量，并通过形状增益的矢量量化减少计算复杂性。通过适当的变换函数，将潜在矢量的幅度用非均匀标量码书量化，同时使用可训练的 Grassmann 码书量化潜在矢量的方向。同时，引入码字选取规则和损失函数设计，开发了一种多速率码书设计策略。仿真结果表明，该方法在给定的反馈开销下，减少了计算复杂性，同时改善了通道状态信息重建性能。
🎯
关键要点
- 提出了一种在大规模多输入多输出系统中的通道状态信息反馈方法。
- 该方法利用矢量量化变分自动编码器框架实现有限位表示的潜在矢量。
- 通过形状增益的矢量量化减少计算复杂性。
- 使用非均匀标量码书量化潜在矢量的幅度。
- 使用可训练的Grassmann码书量化潜在矢量的方向。
- 引入码字选取规则和损失函数设计，开发多速率码书设计策略。
- 仿真结果表明，该方法在给定的反馈开销下，减少了计算复杂性，改善了通道状态信息重建性能。
➡️
