本文探讨了在FDD大规模MIMO系统中，如何利用深度学习解决信道信息反馈负载问题。文章提出了两种方法，显式和隐式CEFnet，用于信道估计和反馈，同时引入多信噪比训练策略，减少单独训练次数。仿真结果显示了所提方法的有效性。
content
这应该是我知道的第一篇讨论联合信道估计和信道反馈的文章，接下来就看看这篇文章讲了什么吧。
文章链接
1.Abstract
Massive MIMO 要取得它的频谱效率增益和抗干扰性能，就需要获得准确的信道信息。在FDD系统需要由用户回传信道信息，但是Massive MIMO不同于之前的系统，因为巨大的天线数使得信道信息回传会造成很大的负载。不同于之前的论文假设用户端获得了完美的信道信息，用完美的信道信息进行压缩，这篇论文考虑了更为实际的情况：即在用户处考虑了信道估计，用估计的信道进行信道信息反馈。文章提出了两种方法，显式的和隐式的方法，来解决这个问题。
2.Introduction
前面的细节部分就不说了，主要提一下文章的contributions
- 第一个提出了联合信道估计和信道反馈的方法，提出了显式和隐式两种方法
- 提出了一个多信噪比训练技巧，不用对每一个信噪比单独训练
- 两个网络的仿真
3.System model
3.1Massive MIMO系统
y i = X i h i ~ \textbf y_i=\textbf X_i\tilde{\textbf h_i} yi=Xihi~ X i ∈ C K × K , h i ~ ∈ C K × 1 \mathbf X_i\in C^{K\times K},\tilde{\mathbf h_i}\in C^{K\times 1} Xi∈C
最低0.47元/天 解锁文章
511
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
