Hybrid Precoding Based on Non-Uniform Quantization Codebook to Reduce Feedback Overhead in Millimeter Wave MIMO Systems
本文主要研究毫米波多输入多输出（MIMO）系统中的混合模拟/数字预编码设计。为了减少反馈开销，我们提出了两种基于非均匀量化（NUQ）码本的混合预编码方案用于两种主要的混合预编码实现，即，全连接结构和子连接结构。首先利用毫米波在角域中的稀疏性，将散射路径的到达/离开角（AOA/AOD）划分为若干个空间波瓣，将整个角域划分为有效空间波瓣覆盖角和无效覆盖角。然后，我们将量化比特非均匀地映射到不同的覆盖角，并构造NUQ码本，其中高数量的量化比特被用于有效覆盖角以将AoA/AoD转换为零，而零量化比特被用于无效覆盖角。最后，提出了两种基于NUQ码本的低复杂度混合模拟/数字预编码方案。仿真结果表明，所提出的两种基于NUQ码本的混合预编码方案实现了接近最优的频谱效率，并且与基于均匀量化（UQ）码本的工作相比，在减少反馈开销方面表现出优越性，例如，对于具有144/36个发射/接收天线的系统，可以减少至少12.5%的反馈开销。
2018-03-01 cs.IT math.IT
A Partial Channel Reciprocity-based Codebook for Wideband FDD Massive MIMO
频分双工（FDD）大规模MIMO系统中信道状态信息（CSI）的获取是一个巨大的挑战。在本文中，我们解决这个问题，一个新的CSI反馈框架，使部分互易性的上行链路和下行链路信道在宽带制度。首先，我们推导出了一个给定的角度延迟分布的宽带大规模MIMO信道协方差矩阵的秩的封闭形式的表达。一个低秩性质的识别，这推广了著名的结果的窄带均匀线阵设置。然后，我们提出了一个部分信道互易性（PCR）码本，启发的低秩行为和事实，即上行链路和下行链路信道具有相似的角度延迟分布。与5G中的最新码本相比，所提出的PCR码本方案在用户侧实现了更高的性能、更低的复杂度，并且需要更少量的反馈。我们推导出实现渐近无差错CSI反馈所需的反馈开销。还提出了两种低复杂度的替代方案，以进一步降低基站侧的复杂度。实际3GPP信道模型的仿真结果表明，与最新的5G码本相比，我们提出的方法具有显着的增益，这证明了我们提出的方法是5G及以后的实用解决方案。
2022-01-26 cs.IT eess.SP math.IT
Joint Channel Direction Information Quantization For Spatially Correlated 3D MIMO Channels
本文提出了一种用于空间相关三维多输入多输出（MIMO）信道的联合量化信道方向信息（CDI）的码本。为了减少量化的大天线阵列的CDI的维度，我们引入了一个特殊的结构，通过使用Tucker分解的码字，利用3D MIMO信道的独特功能。具体而言，码字由四个部分组成，每个部分具有低维度，分别针对不同类型的信息：水平方向和垂直方向上的统计CDI，统计功率耦合和瞬时CDI。该码本避免了现有独立CDI量化所带来的冗余。分析结果提供了一个充分的条件，在3D MIMO信道上显示，所提出的码本可以实现相同的量化性能的公知的旋转码本应用于全球信道CDI，但所需的统计信道信息的显着减少。仿真结果验证了我们的分析，并表明，所提出的联合CDI量化提供了显着的性能增益比独立的CDI量化。
2015-01-23 cs.IT math.IT
A Novel and Efficient Vector Quantization Based CPRI Compression Algorithm
诸如集中式无线电接入网络（C-RAN）的未来无线网络将需要递送当前4G技术的约100至1000倍的数据率。对于基于C-RAN的网络架构，迫切需要极大地增强通用公共无线电接口（CPRI）的有效数据率。CPRI数据的压缩是潜在的增强之一。本文介绍了一种基于矢量量化的CPRI链路压缩算法，利用劳埃德算法。为了提高码书训练的性能，研究了I/Q样本矢量化方法和Lloyd码书训练算法的增强初始化方法。采用多级矢量量化和非均匀保护的多组量化，降低了码书搜索复杂度和码书大小。仿真结果表明，在误差向量幅度（EVM）失真小于2%的情况下，该方案可以实现上行链路4倍压缩和下行链路4.5倍压缩。值得注意的是，矢量量化码本被证明是相当强大的数据调制失配，衰落，信噪比（SNR）和多普勒扩展。
2015-10-16 cs.IT math.IT
A Theoretically-Grounded Codebook for Digital Semantic Communications
Virginia Tech（弗吉尼亚理工大学）
本文从信息论角度提出一种具有理论基础的码本设计，通过熵正则化量化损失和信道感知语义失真损失，联合优化量化、传输效率与鲁棒性，在图像重建中显著提升PSNR和LPIPS。
2025-10-14 cs.IT math.IT
On The Uplink Throughput of Zero-Forcing in Cell-Free Massive MIMO with Coarse Quantization
针对上行链路研究了最近提出的无小区大规模MIMO架构。与大多数以前的作品相比，联合检测使用全局CSI执行。因此，我们研究的策略，CSI转移到CPU考虑到前传容量，限制CSI量化。基于导频的CSI捕获被认为是两种策略：估计和量化和估计。这些都是使用Bussgang分解分析。对于数据和CSI的给定量化约束，确定具有迫零的每个用户的可实现速率。数值结果表明，量化和估计（更简单的策略）是相似的，或优于估计和重构，特别是对于1位分辨率。
2019-07-03 cs.IT math.IT
Recursive CSI Quantization of Time-Correlated MIMO Channels by Deep Learning Classification
TU Wien（维也纳技术大学）
在频分双工（FDD）多输入多输出（MIMO）无线通信中，有限信道状态信息（CSI）反馈是支持高级单用户和多用户MIMO波束成形/预编码的中心工具。为了实现给定的CSI质量，CSI量化码本大小必须随着天线的数量呈指数增长，导致量化复杂度以及较大MIMO系统的反馈开销问题。我们最近提出了一个多级递归格拉斯曼量化器，使CSI量化的复杂性显着降低。在本文中，我们证明了这种递归量化器可以有效地与深度学习分类相结合，以进一步降低复杂度，并且它可以利用时间信道相关性来减少CSI反馈开销。
2020-09-28 cs.IT cs.LG math.IT
Quantization and Bit Allocation for Channel State Feedback for Relay-Assisted Wireless Networks
研究了多源单中继协作蜂窝网络中信道状态信息（CSI）的量化和无线链路间的比特分配问题。我们的目标是最大限度地减少性能的损失，衡量可实现的总和速率，由于有限的量化率的CSI。我们开发了一个信道量化方案和分配有限的反馈位的各种无线链路。我们假设量化的CSI被报告给负责最优资源分配的中心节点。我们首先推导出严格的下限和上限之间的差异，完美的CSI和量化CSI的情况下的速率。这些界限，然后用于推导出一个有效的量化器为任意信道分布。接下来，我们使用这些界限来优化分配的比特在整个链路上的预算对总可用的量化比特。特别是，我们表明，最佳的比特分配算法分配更多的位在网络中的那些链接，最有助于总和速率。最后，本文研究了中心节点的选择，我们表明，这种选择起着重要的作用，在CSI位需要达到一个目标的性能水平。
2011-12-04 cs.IT math.IT
Improving the Performance of R17 Type-II Codebook with Deep Learning
Tsinghua University（清华大学）；Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）；Huawei Technologies Company, Ltd.（华为技术有限公司）
针对R17 Type-II码本中稀疏结构缺失限制深度学习CSI反馈性能的问题，提出利用深度学习精确选择主导端口并重构下行CSI，采用焦点损失与加权捷径模块，仿真证明提升和速率。
2023-09-13 cs.IT cs.LG eess.SP
Ensemble Properties of RVQ-Based Limited-Feedback Beamforming Codebooks
以接收信噪比损失和互信息损失为度量，研究了多输入多输出（MIMO）系统中用于有限反馈波束形成的随机矢量量化（RVQ）码书的总体性能。在相关MIMO设置中研究了非偏斜码本的最简单情况，并且这些损失度量被计算为反馈比特数（$B$）、发射天线尺寸（$N_t$）和空间相关性的函数。特别地，建立了：i）损失度量是两个分量的乘积-量化分量和信道相关分量; ii）量化分量，其对于具有独立同分布（i.i.d.）衰落随着$B$以速率$2^{-B/(N_t-1)}$增加而衰减; iii）信道相关分量反映信道的条件数。此外，接收到的SNR损失和信道的平方奇异值之间的精确连接被示出为舒尔凸优化关系。最后，研究了采用适当设计的固定偏斜矩阵对RVQ码本进行偏斜产生的偏斜码本的集成性能。基于对偏斜码本的损失表达式的估计，建立了最佳偏斜矩阵严格依赖于有效信道（真实信道与偏斜矩阵的乘积）和偏斜矩阵的条件数。
2012-07-06 cs.IT math.IT
Hierarchical ML Codebook Design for Extreme MIMO Beam Management
North Carolina State University（北卡罗来纳州立大学）
本文针对超大规模MIMO波束管理提出基于端到端学习的神经网络码本设计方法X-BM，实现初始接入8dB增益和频谱效率提升。
2023-11-24 cs.IT cs.LG cs.SY
Bit Allocation Law for Multi-Antenna Channel Feedback Quantization: Single-User Case
本文研究了多天线发射单天线接收的有限反馈单用户系统的设计与优化。设计问题的形式是在用户中断概率约束下最小化基站的平均发射功率。优化是在用户的信道量化码本和在基站的发射功率控制功能。我们的方法是基于事先修复的停电情况，并将设计问题转化为一个强大的系统设计问题。我们首先表明，均匀量化的信道幅度在dB尺度是渐近最优的，无论幅度分布函数。我们推导出最佳均匀（dB）信道幅度码本，并将其与空间均匀信道方向码本相结合，以达到产品信道量化码本。然后，我们优化这样的产品结构中的渐近制度的$B\rightarrow \infty$，其中$B$是量化反馈位的总数。本文证明了对于实空间信道，方向量化比特数的渐近最优值应为幅度量化比特数的${(M{-}1)}/{2}$倍，其中$M$为基站天线数。我们还表明，所设计的系统的性能接近性能的理想的信道状态信息系统的$2^{-\frac{2B}{M+1}}$。对于复信道，幅度和方向量化比特的数量与$(M{-}1)$的因子相关，并且系统性能缩放为$2^{-\frac{B}{M}}$为$B\rightarrow\infty$。
2011-02-14 cs.IT math.IT
Changeable Rate and Novel Quantization for CSI Feedback Based on Deep Learning
基于深度学习（DL）的信道状态信息（CSI）反馈提高了频分复用模式下大规模多输入多输出（MIMO）系统的容量和能量效率。然而，多个神经网络与不同长度的反馈开销所需的时变带宽资源。在用户设备（UE）和基站（BS）处对于这些模型所需的存储空间随着模型的数量而线性增加。在本文中，我们提出了一个基于DL的可变速率框架与新的量化方案，以提高CSI反馈系统的效率和可行性。该框架可以重新利用所有网络层来实现开销可变的CSI反馈，以优化UE和BS侧的存储效率。在此框架下设计的量化器可以避免传统量化方案所面临的归一化和梯度问题。具体来说，我们提出了两个基于DL的可变速率CSI反馈网络CH-CsiNetPro和CH-DualNetSph通过引入反馈开销控制单元。然后，可插拔量化块（PQB）的开发，以进一步提高编码效率的CSI反馈在端到端的方式。与现有的CSI反馈方法相比，该框架节省了约50%的可变速率方案的存储空间，并提高了量化模块的编码效率。
2022-02-28 cs.IT eess.SP math.IT
Learning-Based Phase Compression and Quantization for Massive MIMO CSI Feedback with Magnitude-Aided Information
大规模MIMO无线FDD系统经常面临有效获取下行链路信道状态信息（CSI）的挑战。先前的工作已经证明了通过利用它们的CSI幅度之间的上行链路/下行链路互易性在CSI编码和恢复中的潜力。然而，这样的框架单独地编码CSI相位和幅度。为了改进CSI编码，我们提出了一个基于学习的框架，基于有限的CSI反馈和幅度辅助信息。超越以前的工作，我们提出的框架与修改后的损失函数，使端到端的学习，共同优化CSI幅度和相位恢复性能。仿真结果表明，该框架优于替代方法的相位恢复在室内和室外场景中的整体CSI恢复。
2021-12-17 cs.IT eess.SP math.IT
Mode Switching for MIMO Broadcast Channel Based on Delay and Channel Quantization
不完全信道状态信息会降低多输入多输出（MIMO）通信的性能，它对单用户（SU）和多用户（MU）MIMO传输的影响是完全不同的。具体地，MU-MIMO由于不完美的信道状态信息而遭受残余用户间干扰，而SU-MIMO仅遭受功率损耗。本文比较了由于延迟和信道量化引起的SU和MU MIMO在下行链路上的吞吐量损失。精确的封闭形式的近似推导出可实现的速率为SU和MU MIMO。结果表明，SU-MIMO是相对稳健的延迟和量化的信道信息，而MU MIMO与迫零预编码失去空间复用增益与固定的延迟或固定码本大小。基于导出的可实现速率，提出了一种模式切换算法，该算法基于平均信噪比（SNR）、归一化多普勒频率和信道量化码本大小在SU和MU MIMO模式之间切换以提高频谱效率。确定具有不同延迟和码本大小的SU和MU模式的操作区域，其可以用于选择优选模式。结果表明，MU模式是活跃的，只有当归一化多普勒频率是非常小的码本大小是大的。
2008-12-16 cs.IT math.IT
Unsupervised Learning of Adaptive Codebooks for Deep Feedback Encoding in FDD Systems
在这项工作中，我们提出了一个联合自适应码本建设和反馈生成方案在频分双工（FDD）系统。无监督和监督深度学习技术都用于此目的。基于最近发现的上行链路（UL）和下行链路（DL）信道状态信息（CSI）在神经网络学习方面的等效性，用于反馈信令的码本和相关联的深度编码器仅基于UL数据。随后，反馈编码器可以被卸载到移动终端（MT）以在那里尽可能高效地生成信道反馈，而无需在终端处的任何训练努力或训练和码本数据的对应传送。数值模拟表明，所提出的方法有前途的性能。
2021-05-21 cs.IT eess.SP math.IT
Quantization Adaptor for Bit-Level Deep Learning-Based Massive MIMO CSI Feedback
Tsinghua University（清华大学）；Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）
在大规模多输入多输出（MIMO）系统中，用户设备（UE）需要将信道状态信息（CSI）反馈给基站（BS）以用于随后的波束成形。但是大规模MIMO系统中天线的大规模会导致巨大的反馈开销。基于深度学习（DL）的方法可以在UE处压缩CSI并在BS处恢复它，这显著降低了反馈成本。但是压缩后的CSI必须量化成比特流才能传输。在本文中，我们提出了一个适配器辅助量化策略的比特级DL为基础的CSI反馈。首先，我们设计了一个网络辅助适配器和一个先进的训练方案，以自适应地提高量化和重建精度。此外，为了便于实际使用，我们引入了数据分布的专家知识，并提出了一个可插拔的和免费的适配器方案。实验表明，与现有的反馈量化方法相比，该自适应量化策略能够在较少或不增加额外开销的情况下获得更好的量化精度和重构性能。这些开源代码可在https://github.com/zhang-xd18/QCRNet上获得。
2022-11-09 cs.AI cs.IT math.IT
Limited Feedback in Multiple-Antenna Systems with One-Bit Quantization
具有低分辨率模数转换器（ADC）的通信系统可以在发射机（CSIT）和接收机处利用信道状态信息。本文介绍了一位ADC有限反馈系统的码本设计和性能分析的初步结果。与高分辨率情况不同，当接收信号由1位ADC切片时，接收器处的绝对相位对于对齐接收信号的相位很重要。提出了一种新的码本设计波束形成的情况下，分别量化的信道方向和残余相位。
2015-12-21 cs.IT math.IT
Neural Codebook Design for Network Beam Management
North Carolina State University（北卡罗来纳州立大学）；University of California, San Diego（加利福尼亚大学圣迭戈分校）
针对大型天线系统CSI获取难、现有波束管理码本设计受限且忽略网络级优化的问题，提出端到端学习的NBL算法，仅需有限共享信息即可设计出性能更优的码本。
2024-03-05 cs.AI cs.IT cs.NI
Signature Quantization in Fading CDMA With Limited Feedback
在这项工作中，我们分析了反向链路直接序列（DS）-码分多址（CDMA）的签名量化方案的性能。假设信道和干扰协方差的完美估计，接收机从签名码本中选择使干扰功率最小化或使期望用户的信号与干扰加噪声比（SINR）最大化的签名。对应于最佳签名的码本索引然后经由反馈信道以有限数量的比特被中继给用户。在这里，我们感兴趣的随机矢量量化（RVQ）码本，其中包含独立的各向同性分布的矢量的性能。假设任意的发射功率分配，我们考虑加性高斯白噪声（AWGN）信道首先没有衰落，随后，与多径衰落。在匹配滤波器和线性最小均方误差（MMSE）接收机的输出端，我们推导出相应的SINR在一个大的系统限制。数值例子表明，推导出的大系统的结果给出了一个很好的逼近有限大小的系统的性能和MMSE接收机实现接近单用户的性能，每个签名元素只有一个反馈比特。
2011-02-17 cs.IT math.IT
Interference Alignment with Quantized Grassmannian Feedback in the K-user Constant MIMO Interference Channel
针对K用户恒定多输入多输出干扰信道（MIMO IC）中的干扰对齐（IA）问题，提出了一种简单的信道状态信息（CSI）反馈方案。所提出的技术依赖于IA方程中的不变量的识别，这使得能够将CSI量化问题重新表述为每个接收器处的格拉斯曼流形上的单个量化。建立了反馈比特的数量与足以保持在完美CSI下可以实现的复用增益的发射功率的缩放。我们表明，所提出的技术的CSI反馈要求是更好的（低）比所需的使用以前公布的方法时，系统的尺寸（用户和天线的数量）的实际利益。此外，我们通过模拟表明，这种优势在低信噪比下仍然存在，在这个意义上，所提出的技术产生一个较高的和速率性能为给定数量的反馈位。最后，为了补充我们的分析，我们引入了一个统计模型，忠实地捕捉随机矢量量化（RVQ）的格拉斯曼流形上的大型码本的量化误差的属性，这使得数字（蒙特卡罗）分析一般格拉斯曼RVQ方案的码本大小，将是不切实际的大模拟。
2015-02-15 cs.IT math.IT
Robust MMSE Precoding for Multiuser MIMO Relay Systems using Switched Relaying and Side Information
针对不完全信道状态信息（CSI）下的多用户多输入多输出（MIMO）中继系统，提出了一种新的预编码方案。基站（BS）和MIMO中继站（RS）都配备有酉矩阵的相同码本。根据码本的每个元素，我们创建一个潜在的预编码矩阵对，即BS预编码矩阵和RS预编码矩阵。通过将来自码本的适当酉矩阵乘以功率缩放因子来形成RS预编码矩阵。基于给定的CSI和发射符号块，通过合适的选择机制来选择从各种酉矩阵导出的所有可能的潜在预编码矩阵对的类内的最佳预编码矩阵对以用于传输，该选择机制被设计为最小化预先估计的接收向量与真实发射符号向量之间的平方欧几里德距离。我们开发了一个最小均方误差（MMSE）的设计算法的潜在预编码矩阵对的建设。在所提出的方案中，BS仅向RS发送酉矩阵的索引及其功率缩放因子，而不是发送完整的处理矩阵。这大大降低了开销。仿真结果表明，与其他最近报道的预编码算法相比，所提出的预编码方案能够提供更好的鲁棒性对CSI估计误差和多用户干扰的影响。
2014-12-17 cs.IT math.IT
Multi-Bitwidth Quantization for LLMs Using Additive Codebooks
University of Toronto（多伦多大学）
提出Drop-by-Drop框架，基于信息论和逐次细化理论，利用加性码本和Matryoshka监督实现单个模型在推理时支持多精度权重控制，降低存储开销并保持性能。
2026-09-29 cs.CL cs.IT cs.LG
Extremely Large-scale Array Systems: Near-Field Codebook Design and Performance Analysis
针对超大规模阵列近场范围扩大带来的传统码本设计挑战，本文基于ULA、UPA码字相关的椭圆/椭球拟合特性，提出均匀及错位近场码本方案，结合角度域过采样，实现了量化开销降低与精度提升。
2023-08-24 cs.IT cs.SY eess.SP
Bit-level Optimized Neural Network for Multi-antenna Channel Quantization
量化的信道状态信息（CSI）在预编码设计中起着至关重要的作用，有助于发挥多输入多输出（MIMO）技术的优点。为了减少CSI反馈的开销，我们提出了一种基于深度学习的CSI量化方法，通过开发一种联合卷积残差网络（JCResNet），从比特级量化性能的角度出发，该方法有利于MIMO信道特征提取和恢复。实验表明，我们提出的方法大大提高了性能。
2019-09-24 cs.IT eess.SP math.IT
CSI Sensing from Heterogeneous User Feedbacks: A Constrained Phase Retrieval Approach
针对5G异构网络中低分辨率Type-I码本用户的CSI感知问题，提出利用邻近用户空间一致性降维并构建CPR模型的两阶段快速算法，以少量反馈达到Type-II码本性能。
2022-06-28 cs.IT eess.SP math.IT
Few-Bit CSI Acquisition for Centralized Cell-Free Massive MIMO with Spatial Correlation
信道状态信息（CSI）的可用性和准确性对于几乎所有通信系统中的相干检测都起着至关重要的作用。特别是在最近提出的无小区大规模MIMO系统中，其中大量分布式接入点（AP）连接到中央处理单元（CPU）以进行联合解码，在CPU处获取CSI可以通过使用诸如最小均方误差（MMSE）或迫零（ZF）之类的检测算法来提高性能。还存在重大挑战，特别是由高精度CSI的传输引起的前传负载的增加，以及由此产生的复杂性和可扩展性问题。在本文中，我们解决这些CSI采集问题，利用矢量量化的精度只有几个比特，我们表明，在CPU的信道估计的准确性，可以增加利用空间相关性受到这种有限的前传负载。此外，我们推导出一个简单的\emph{Quantize-and-Estimate}（QE）策略的基础上Bussgang定理的估计，并比较其性能\emph{Estimate-and-Quantize}（EQ）的均方误差（MSE）。我们的仿真结果表明，量化与少量的比特矢量量化可以优于均衡器和个别标量量化在中等信噪比为每维少量的比特。
2019-02-19 cs.IT math.IT
Deep Learning-based Implicit CSI Feedback in Massive MIMO
National Mobile Communications Research Laboratory, Southeast University（东南大学国家移动通信重点实验室）；Institute of Communications Engineering, National Sun Yat-sen University（国立中山大学通信工程研究所）；Department of Electrical and Electronic Engineering, Imperial College London（帝国理工学院电气与电子工程系）；vivo Communication Research Institute（vivo通信研究院）
针对5G隐式CSI反馈机制，本文提出用神经网络替代PMI编解码模块并利用环境信息与子带相关性，显著降低单RB和宽带系统的反馈开销。
2021-05-21 cs.IT cs.LG eess.SP
A Design Framework for Limited Feedback MIMO Systems with Zero-Forcing DFE
我们考虑多输入多输出通信系统的设计与线性预编码器在发射机，迫零判决反馈均衡（ZF-DFE）在接收机，和一个低速率的反馈信道，使通信从接收机到发射机。假设在接收机处可用的信道状态信息（CSI）是完美的，并且基于该信息，接收机从码本中选择合适的预编码器，并将该预编码器的索引反馈给发射机。我们的方法，这个有限的反馈方案的组件的设计是基于开发，在这里，一个统一的框架，用于联合设计的预编码器和ZF-DFE的假设下，完美的CSI是在发射机和接收机都可用。该框架是通用的，包含了广泛的设计标准。这个框架使我们能够在一个标准的瑞利衰落环境中的最佳预编码器的统计分布特征。使用这种分布，我们表明，从格拉斯曼包装构造的码本最小化上界的平均失真的措施，因此是自然的候选人在有限的反馈系统的码本。我们还表明，对于任何给定的码本的性能所提出的有限反馈方案是一个上界的相应计划与线性迫零接收机。我们的仿真研究表明，所提出的有限反馈方案可以提供显着更好的性能在一个较低的反馈速率比现有的计划，其中检测顺序反馈到发射机。
2008-04-15 cs.IT math.IT
On the Performance of Channel Statistics-Based Codebook for Massive MIMO
对于具有大量基站（BS）天线的大规模MIMO系统，信道反馈开销非常高，因为传统码本的反馈比特的数量与BS天线的数量成线性比例。为了减少反馈开销，已经设计了基于信道统计的有效码本，其中所需的反馈比特数仅与信道相关矩阵的秩线性地缩放。然而，这个有吸引力的结论只是直观的解释，然后通过模拟结果在文献中验证，而没有严格的理论证明。为了填补理论结论与仿真结果之间的空白，本文对基于信道估计的码本性能进行了定量分析。具体来说，我们首先介绍了理想情况下的完美的信道状态信息在发送端和有限的信道反馈的实际情况下，我们发现，速率差距是依赖于码本的量化误差之间的速率差距。然后，我们推导出量化误差的上界，基于此，我们证明了所需的反馈比特，以确保一个恒定的速率间隙只与信道相关矩阵的秩线性缩放。最后，数值结果验证了这一结论。据我们所知，我们的工作是第一个为这一结论提供严格证明的工作。
2017-01-20 cs.IT math.IT
RF Lens-Embedded Massive MIMO Systems: Fabrication Issues and Codebook Design
在本文中，我们研究了一个射频（RF）透镜嵌入大规模多输入多输出（MIMO）系统，并评估有限反馈的系统性能，通过利用一种技术，为系统生成一个合适的码本。我们制作了一个工作在77 GHz（毫米波）频段的RF透镜。实验结果表明，该放大器具有合适的幅度增益和聚焦特性。此外，使用一个简单的数值技术-光束传播法（BPM）-我们估计的RF透镜的功率分布，并验证其符合实验结果。我们还设计了一个码本-多方差码本量化（MVCQ）-有限的反馈，考虑到大规模MIMO系统的RF透镜天线的特性。数值结果证实，所提出的系统表现出显着的性能增强了传统的大规模MIMO系统没有RF透镜。
2016-04-15 cs.IT math.IT
Spectrum Sharing in Cognitive Radio with Quantized Channel Information
我们考虑一个宽带频谱共享系统，其中一个次要用户可以共享多个正交频带，其中每个频带被授权给一个单独的主要用户。我们解决的问题，其遍历容量最大化的最佳二次发射功率分配的平均总和（跨频带）的发射功率约束和个人平均干扰约束的主要用户。我们的工作的主要贡献在于考虑量化的信道状态信息（CSI）（矢量信道空间，包括所有的次级到次级和次级到初级信道）在次级发射机。假设频带管理器或认知无线电服务提供商可以访问来自辅接收器和主接收器的完整CSI信息，并且基于信道的统计信息（信道分布）设计（离线）最佳功率码本，并且经由无延迟无噪声有限反馈信道，针对每个信道实现实时地将码本的索引反馈给辅发射器。设计了一种改进的广义高斯型算法（GLA），用于推导最优功率码本。一个近似量化功率分配（AQPA）算法也被提出，执行非常接近其GLA为基础的对应大量的反馈比特，是显着更快。我们还提出了一个扩展的改进的GLA为基础的量化功率码本设计算法的情况下，反馈信道是嘈杂的。数值研究表明，只有3-4位的反馈，修改后的GLA为基础的算法提供二级遍历能力非常接近，实现了完全CSI和只有4位的反馈，AQPA提供了一个相当的性能，从而使它成为一个有吸引力的选择，为实际的实施。
2010-06-03 cs.IT math.IT math.OC
Tree-Structured Random Vector Quantization for Limited-Feedback Wireless Channels
我们考虑在多天线信道和码分多址（CDMA）系统中的签名矢量的发射波束形成矢量的量化。假设完美的信道知识，接收机选择发射机的矢量，最大限度地提高性能的随机矢量量化（RVQ）码本，其中包括独立的各向同性分布的单位范数矢量。量化的矢量然后经由速率受限的反馈信道被中继到发射机。RVQ码本需要穷举搜索来定位所选择的条目。为了减少搜索的复杂性，我们应用广义劳埃德或$k$维（kd）树算法来组织RVQ条目到一棵树。在所示的示例中，对于相同的性能，树结构（TS）RVQ的搜索复杂度可以比非结构化RVQ的搜索复杂度小几个数量级。我们还推导了TS-RVQ在大系统极限下的性能近似，它很好地预测了中等大小系统的性能。
2011-07-08 cs.IT math.IT
Kerdock Codes for Limited Feedback Precoded MIMO Systems
基于码本的有限反馈策略是预编码多输入多输出（MIMO）无线系统中在发射端获得部分信道状态信息的一种实用方法。传统的码本设计使用格拉斯曼打包、等角帧、矢量量化或基于傅立叶的构造。虽然已经广泛地研究了常规码本构造的容量和出错率性能，但是依赖于诸如非线性搜索或迭代算法之类的技术来构造这些码本是非常困难的。此外，所得到的码本可能不具有便于码本的存储和低搜索复杂度的系统结构。本文提出了一种基于Kerdock码和互无偏基的系统码书设计方法。提出的Kerdock码本由多个相互无偏的四元酉基矩阵和单位矩阵组成。我们建议从这个基础码本中推导出波束成形和预编码码本，从而消除了存储多个码本的要求。所提出的结构需要很少的内存来存储，正如我们所示，四元结构有利于码字搜索。我们推导出两个天线和四个天线码本的弦距离，表明所提出的码本与先前的设计相比毫不逊色。蒙特卡洛模拟用于比较不同码本大小的可实现速率和出错率。
2008-03-07 cs.IT math.IT
Modular CSI Quantization for FDD Massive MIMO Communication
我们考虑在频分双工（FDD）系统中的高维MIMO传输。对于预编码，频率选择性信道必须由用户测量、量化并反馈到基站。当天线的数量非常高时，这通常导致过高的量化复杂度和大的反馈。在5G新无线电（NR）中，已经为此应用了模块化量化方法，其中首先为整个频率选择性信道识别低维子空间，然后将子带信道线性映射到该子空间并量化。我们分析了如何在这样一个模块化的方案中的组件有助于整体量化失真。基于此分析，我们改进了模块化方法中的技术组件，并提出了正交归一化宽带预编码方案和顺序宽带预编码方法，这些方法比传统方法提供了相当大的增益。我们比较的性能开发的量化方案，现有技术通过模拟方面的投影失真，整体失真和频谱效率，在一个场景中与一个现实的空间信道模型。
2023-03-23 cs.IT eess.SP math.IT
Prior-Aided Masked Vector Quantization CSI Feedback for FDD Massive MIMO Systems
Technische Universität Berlin（柏林工业大学）；Huawei Technologies Co., Ltd.（华为技术有限公司）
针对FDD大规模MIMO下行CSI反馈瓶颈，提出先验辅助掩码向量量化（PM-VQ）方案，利用角度-时延功率图先验和自适应掩码选择令牌，在3GPP TR 38.901 UMa数据集上实现最低NMSE，支持可变速率压缩。
2026-11-11 cs.IT math.IT
PolarDenseNet: A Deep Learning Model for CSI Feedback in MIMO Systems
Standards and Mobility Innovation Lab（标准与移动创新实验室）；Samsung Research America（三星美国研究院）
在多输入多输出（MIMO）系统中，在基站（BS）处需要高分辨率信道信息（CSI）以确保最佳性能，特别是在多用户MIMO（MU-MIMO）系统的情况下。在频分双工（FDD）系统中不存在信道互易性的情况下，用户需要向BS发送CSI。在FDD系统中，与该CSI反馈相关联的大开销常常成为提高系统性能的瓶颈。在本文中，我们提出了一种基于AI的CSI反馈的自动编码器架构的基础上，在UE的CSI编码到一个低维的潜在空间，并解码它在BS通过有效地减少反馈开销，同时最大限度地减少恢复过程中的损失。我们的仿真结果表明，基于AI的建议架构优于使用5G新无线电（NR）系统中采用的DFT基的最先进的高分辨率线性组合码本。
2022-02-02 cs.AI cs.IT math.IT
Two-Dimensional Quantization for Geometry-Aware Audio Coding
School of Electrical and Computer Engineering, Ben-Gurion University of the Negev, Be’er Sheva, Israel（电气与计算机工程学院，内盖夫本· Gurion大学，贝尔谢巴，以色列）
本文提出了一种二维量化方法Q2D2，通过将特征对投影到结构化的2D网格上，提高了音频压缩效率，同时保持了最先进的重建质量。
2026-05-18 cs.AI cs.IT cs.LG
Price of metric universality in vector quantization is at most 0.11 bit
Massachusetts Institute of Technology（麻省理工学院）；Hebrew University of Jerusalem（耶路撒冷希伯来大学）；University of California, San Diego（加州大学圣地亚哥分校）
本文证明存在一个通用码本，对于所有可能的X统计量，在W为高斯时，其性能至少与速率每维度降低0.11比特的X自适应水填充码本相当。
2026-06-17 cs.IT cs.LG math.IT
Binarized Aggregated Network with Quantization: Flexible Deep Learning Deployment for CSI Feedback in Massive MIMO System
Tsinghua University（清华大学）；Beijing National Research Center for Information Science and Technology (BNRist)（北京信息科学与技术国家研究中心）
大规模多输入多输出（MIMO）是5G系统中实现更好频谱和能量效率的关键技术之一。在频分双工（FDD）模式下，需要将信道状态信息（CSI）从用户设备反馈到基站。然而，在大规模MIMO系统中，由于大规模天线阵列，直接反馈的开销是不可接受的。近年来，深度学习被广泛应用于压缩CSI反馈任务，并被证明是有效的。在本文中，一种新的网络聚合信道重构网络（ACRNet）的设计，以提高网络聚合和参数整流线性单元（PReLU）激活的反馈性能。还考虑了反馈网络在通信系统中的实际部署。具体而言，弹性反馈方案，提出了灵活地适应网络，以满足不同的资源限制。此外，网络二值化技术与特征量化相结合，以实现轻量级和实用的部署。实验表明，拟议的ACRNet优于以前的国家的最先进的网络负载，提供了一个整洁的反馈解决方案，高性能，低成本和令人印象深刻的灵活性。
2021-05-01 cs.AI cs.IT eess.SP
End-to-End NOMA with Perfect and Quantized CSI Over Rayleigh Fading Channels
Department of ECE, Villanova University（电子工程系，维拉文纳大学）；Electrical Engineering and Computer Science, University of California, Irvine（电气工程与计算机科学，加州大学伊文斯顿分校）
本文提出了一种端到端自动编码器框架，用于在瑞利衰落信道中实现NOMA，通过量化CSI提升性能。
2026-02-13 cs.AI cs.IT eess.SP
Precoding-Oriented CSI Feedback Design with Mutual Information Regularized VQ-VAE
Department of ECE, Rutgers University（电子工程系，罗格斯大学）；Nokia Bell Labs（诺基亚贝尔实验室）
本文提出一种基于VQ-VAE的面向预编码的CSI反馈框架，结合信息论正则化，实现高效CSI压缩与高系统性能。
2026-01-22 cs.AI cs.IT eess.IV
