Precoding-oriented Massive MIMO CSI Feedback Design

要約

周波数分割二重化 (FDD) システムにおけるダウンリンクの大規模多入力多出力 (MIMO) プリコーディング アルゴリズムは、ユーザーからの正確なチャネル状態情報 (CSI) フィードバックに依存しています。
このホワイト ペーパーでは、CSI フィードバック オーバーヘッドと、システム内のユーザーによって達成されるパフォーマンスとの間のトレードオフを、達成可能なレートの観点から分析します。
提案されたシステムの最終的な目標は、チャネルの実現からビームフォーミング情報 (つまり、プリコーディング) を決定することです。
深層学習ベースのアプローチを採用して、学習済みパイロット、ユーザーのコンプレッサー、および基地局処理を含む、エンドツーエンドのプリコーディング指向のフィードバック アーキテクチャを設計します。
最小限のフィードバック オーバーヘッドで達成可能なレートの合計を最大化する損失関数を提案します。
シミュレーション結果は、私たちのアプローチが以前のプリコーディング指向の方法よりも優れており、CSI 圧縮ブロックをプリコーディング処理から分離する従来の方法に対してより効率的なソリューションを提供することを示しています。

要約(オリジナル)

Downlink massive multiple-input multiple-output (MIMO) precoding algorithms in frequency division duplexing (FDD) systems rely on accurate channel state information (CSI) feedback from users. In this paper, we analyze the tradeoff between the CSI feedback overhead and the performance achieved by the users in systems in terms of achievable rate. The final goal of the proposed system is to determine the beamforming information (i.e., precoding) from channel realizations. We employ a deep learning-based approach to design the end-to-end precoding-oriented feedback architecture, that includes learned pilots, users’ compressors, and base station processing. We propose a loss function that maximizes the sum of achievable rates with minimal feedback overhead. Simulation results show that our approach outperforms previous precoding-oriented methods, and provides more efficient solutions with respect to conventional methods that separate the CSI compression blocks from the precoding processing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google