Deep Learning Empowered Type-II Codebook: New Paradigm for Enhancing CSI Feedback
Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）；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）
本文提出深度学习赋能R17 Type-II码本的CSI反馈新范式，通过优化角度-时延域端口选择、基于稀疏结构重建下行CSI及二阶段损失函数，实现和速率性能提升超10%。
2023-05-31 cs.AI cs.IT math.IT
GMM-based Codebook Construction and Feedback Encoding in FDD Systems
提出了一种基于高斯混合模型的预编码器码本构造和反馈编码方案。在离线阶段，基站（BS）首先将GMM拟合到上行链路（UL）训练样本。然后，利用GMM的聚类能力，以无监督的方式设计码本。每个GMM分量设计一个码本条目。在在线阶段将GMM而不是码本卸载到移动终端（MT）之后，MT利用GMM来确定最佳拟合码本条目。为此，在MT处不需要信道估计。相反，MT的观测信号用于评估GMM的每个组件对信号的负责程度。反馈由具有最高责任的GMM分量的索引组成，并且BS然后采用相应的码本条目。仿真结果表明，所提出的码本设计和反馈编码方案优于传统的基于Lloyd聚类的码本设计算法，特别是在导频开销减少的情况下。
2022-05-24 cs.IT eess.SP 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
Polar-Cap Codebook Design for MISO Rician Fading Channels with Limited Feedback
现有的设计有限反馈系统码本的工作大多没有考虑强视距信道分量的存在。本文提出了莱斯衰落信道下多输入单输出（MISO）有限反馈系统的极冠码本（PCC）设计方法。所设计的PCC的码字根据LOS信道分量的瞬时强度自适应地构造。仿真结果表明，该码本可以显着提高发射波束形成的性能，在接收信噪比（SNR）。
2022-06-27 cs.IT eess.SP math.IT
AnciNet: An Efficient Deep Learning Approach for Feedback Compression of Estimated CSI in Massive MIMO Systems
在大规模多输入多输出（m-MIMO）系统中，由于信道状态信息（CSI）开销过大，而反馈带宽有限，因此准确的CSI反馈对于提高系统性能具有重要作用。通过考虑由于不完美的信道估计导致的噪声CSI，我们提出了一种新的深度神经网络架构，即AnciNet，以有限的带宽进行CSI反馈。AnciNet从有噪声的CSI样本中提取无噪声特征，以实现对反馈的有效CSI压缩。实验结果表明，该方法在各种条件下均优于现有方法.
2020-08-17 cs.IT eess.SP math.IT
Exploiting Partial FDD Reciprocity for Beam Based Pilot Precoding and CSI Feedback in Deep Learning
大规模MIMO系统可以在准确估计信道状态信息（CSI）的基础上在下行链路（DL）中实现高频谱和能量效率。现有的工作已经开发了基于学习的DL CSI估计，其降低了上行链路反馈开销。一个经常被忽视的问题是可用于CSI估计的DL导频的数量有限。一种提出的解决方案通过利用过去的CSI估计并且仅发送部分阵列的CSI参考符号（CSI-RS）来利用时间CSI相干性以保持CSI恢复性能。利用CSI相关性，FDD信道互易性有助于基站直接存取上行链路CSI。在这项工作中，我们提出了一种新的基于学习的反馈架构和可重构的CSI-RS布局方案，以减少DL CSI训练开销，提高CSI反馈的编码效率。我们的研究结果表明，在室内和室外的情况下，在大幅降低计算能力和存储要求在UE的CSI恢复的建议框架的优越性能。
2022-05-29 cs.IT eess.SP math.IT
Lightweight Convolutional Neural Networks for CSI Feedback in Massive MIMO
在大规模多输入多输出系统的频分双工模式下，下行链路信道状态信息（CSI）必须通过反馈链路发送到基站（BS）。然而，由于反馈链路的带宽限制，向BS发送CSI是昂贵的。深度学习（DL）最近在CSI反馈方面取得了显著的成功。实现高性能和低复杂度的CSI反馈是基于DL的通信中的挑战。为了有效地完成CSI的反馈，本研究开发了一个基于DL的CSI反馈网络。然而，由于过多的参数，该网络不能有效地应用于移动终端。因此，我们进一步提出了一个新的轻量级CSI反馈网络的基础上开发的网络。仿真结果表明，所提出的CSI网络具有更好的重建性能比其他CsiNet相关的作品。此外，轻量级网络保持了一些参数和参数复杂度，同时确保令人满意的重建性能。这些发现表明了所提出技术的可行性和潜力。
2020-05-01 cs.IT eess.SP 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
Training Enhancement of Deep Learning Models for Massive MIMO CSI Feedback with Small Datasets
在大规模MIMO系统中，准确的下行链路信道状态信息（CSI）对于实现高频谱效率至关重要。关于用于CSI反馈的深度学习（DL）模型的现有工作已经示出了频分双工（FDD）系统中的高效压缩和恢复。然而，实际的DL网络在训练期间需要相当大的无线CSI数据集以实现高模型准确度。为了解决这个劳动密集型的问题，这项工作开发了一个有效的训练增强解决方案的DL为基础的反馈架构的基础上适度的数据集，通过利用复杂的CSI功能，并增加CSI数据集的基础上领域知识。我们首先提出了一个球形CSI反馈网络，SPTM 2-ISTANet+，它采用球形归一化框架来减轻路径损耗变化的影响。我们利用可训练的测量矩阵和残差恢复结构来提高编码效率和恢复精度。对于有限的CSI测量，我们提出了一个模型驱动的轻量级和通用的增强策略的基础上解耦CSI幅度和相位信息，应用在角度延迟域的循环移位，和随机化的CSI相位近似相位分布。测试结果表明，所提出的训练策略和反馈架构的有效性和效率，在有限的测量准确的CSI反馈。
2022-05-07 cs.IT eess.SP math.IT
Deep Learning for Partial MIMO CSI Feedback by Exploiting Channel Temporal Correlation
为了在大规模MIMO系统中实现高频谱和能量效率，需要精确估计DL CSI。先前的工作已经在FDD系统内开发了基于学习的CSI反馈框架，用于有效的CSI编码和恢复，具有已证明的益处。然而，用于接收终端的CSI估计的下行链路导频可能占用大量天线的过多数量的资源元素，并损害频谱效率。为了克服这个问题，我们提出了一种新的基于学习的反馈架构，通过利用CSI时间相关性对交织非重叠天线子阵列的部分CSI反馈进行有效编码。为了便于编码，我们进一步设计了一个IFFT方法来解耦天线子阵列的部分CSI，并保持部分CSI的稀疏性。我们的研究结果表明，在室内/室外的情况下，所提出的模型CSI恢复在显着降低计算能力和存储需求的优越性能。
2022-01-08 cs.IT eess.SP math.IT
Channel Feedback Based on AoD-Adaptive Subspace Codebook in FDD Massive MIMO Systems
信道反馈是频分复用（FDD）大规模多输入多输出（MIMO）系统中必不可少的环节。不幸的是，以前的多用户MIMO的工作已经表明，信道反馈的码本大小应该与基站（BS）的天线，这是大大增加在大规模MIMO系统的数量呈指数级。为了减少码本大小和反馈开销，我们提出了一种用于FDD大规模MIMO系统信道反馈的自适应子空间码本。我们的关键见解是利用观察路径AoD变化比路径增益更慢。在角度相干时间内，通过利用恒定的AoD信息，所提出的AoD自适应子空间码本能够以更准确的方式对信道矢量进行估计。我们还提供了性能分析的建议的码本在大的维度制度，在那里我们证明，以限制在一个可接受的水平内的容量退化，所需的反馈位数只与可分辨的（路径）AoD，这是远远小于BS天线的数量线性缩放。此外，我们比较量化的信道反馈使用建议的AoD自适应子空间码本与模拟信道反馈。提供了大量的模拟，验证了分析结果。
2017-04-03 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
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
Codebook Design for Limited Feedback in Near-Field XL-MIMO Systems
Southern University of Science and Technology（南方科技大学）；Guangzhou University（广州大学）；Zhejiang University（浙江大学）
针对XL-MIMO FDD系统中用户分布未被充分利用导致反馈开销大的问题，提出基于用户分布的码本设计，通过Voronoi划分优化角度-范围采样和比特分配，实现速率最大化。
2026-01-15 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
Codebook Design for Channel Feedback in Lens-Based Millimeter-Wave Massive MIMO Systems
在基于透镜的毫米波（mmWave）大规模MIMO系统中，可以通过波束选择来减少射频（RF）链的数量，其中在BS处需要RF链与多个用户之间的等效信道以实现多用户复用增益。然而，据我们所知，在这样的系统中没有用于等效信道反馈的专用码本。在本文中，我们提出了降维的子空间码本，它实现了显着减少的反馈开销和码本大小。具体来说，我们首先利用毫米波信道的有限散射特性来生成信道子空间中的高维向量。然后，根据透镜和波束选择器的功能，提出了降维子空间码本来表示等效信道矢量，并对该码本进行了性能分析，最后通过仿真验证了该码本与传统码本相比具有更好的性能。
2017-03-01 cs.IT math.IT
Deep Learning for Efficient CSI Feedback in Massive MIMO: Adapting to New Environments and Small Datasets
针对大规模MIMO中深度学习CSI反馈依赖大量场景数据、多模型部署成本高的问题，提出深度展开反馈网络SPTM2-ISTANet+、场景自适应架构CSI-TransNet及领域知识增强策略，实现小数据下新环境的高效精准CSI反馈。
2023-11-06 cs.IT eess.SP 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
MIMO Precoding Using Rotating Codebooks
下一代无线通信依赖于多输入多输出（MIMO）技术来实现高数据率。信道信息的反馈可以用于MIMO预编码中，以完全激活最强信道模式并提高MIMO性能。不幸的是，经由其传送反馈的控制信道的带宽受到严重限制。一个重要的问题是如何提高MIMO预编码的性能与最小的反馈。在这封信中，我们提出了一种方法，使用旋转码本技术，有效地提高预编码性能，而不需要增加反馈开销。旋转码本预编码的基本思想是通过旋转多个码本来扩展有效的预编码码本大小，使得反馈比特数保持不变。仿真结果表明，所提出的旋转码本预编码的性能增益比传统的预编码。
2010-08-18 cs.IT math.IT
A Codebook-Based Limited Feedback System for Large-Scale MIMO
在本文中，我们考虑有限反馈系统的FDD大规模（大规模）MIMO。介绍了一种新的基于码本的多用户（MU）MIMO下行链路系统框架，并与理想的非基于码本的系统进行了比较。我们特别感兴趣的是不太知名的有限速率反馈机制，其中发射天线的数量$M$和用户的数量是相同的数量级和$M$是大的，但有限的，这是一个典型的大规模MIMO的场景。我们提供了新的发现，在这种制度和确定的调度增益和下行链路专用导频开销方面的新框架的一些好处。
2014-11-06 cs.IT math.IT
Generative Deep Learning for CSI Feedback in Massive MIMO via Channel Distribution Prediction
Southern University of Science and Technology（南方科技大学）；Beijing Institute of Technology（北京理工大学）
针对UE突发运动导致现有深度学习CSI反馈方法不可靠的问题，提出PAC框架，通过定制因果Transformer和并行解码设计，在降低72%-84%反馈开销的同时提升重建精度，且在随机游走轨迹下性能更稳定。
2026-10-14 cs.IT eess.SP math.IT
FDD Massive MIMO Without CSI Feedback
发射机信道状态信息（CSIT）对于大规模多输入多输出（MIMO）系统提供的频谱效率增益是必不可少的。在频分复用（FDD）大规模MIMO系统中，通常通过下行链路信道估计和用户反馈来获取CSIT，但是随着天线数量的增加，用于每个用户的CSI训练和反馈的开销增加，导致频谱效率的降低。在本文中，我们表明，在FDD中使用上行链路导频，下行链路和频谱效率增益与完美的下行链路CSIT是可以实现的，当在基站的天线数量是无限的一些温和的信道条件下。该方法的核心思想是利用上下行信道的几何互易性，提出了基于上行导频的均方误差最优下行信道重构方法。我们还提出了一个强大的下行链路预编码方法利用重建的信道与误差协方差矩阵。我们的系统级仿真结果表明，我们提出的预编码方法可以达到可比的总和频谱效率迫零预编码与完美的下行链路CSIT，没有CSI训练和反馈。
2023-02-09 cs.IT eess.SP math.IT
A Learnable Optimization and Regularization Approach to Massive MIMO CSI Feedback
信道状态信息（CSI）在实现大规模多输入多输出（MIMO）系统的潜在效益方面起着关键作用。在频分双工（FDD）大规模MIMO系统中，基站（BS）依赖于来自用户的持续且准确的CSI反馈。然而，由于在大规模MIMO系统中服务的大量天线和用户，反馈开销可能成为瓶颈。在本文中，我们提出了一种模型驱动的深度学习CSI反馈方法，称为可学习优化和正则化算法（LORA）。在LORA中引入了一个可学习的正则化模块来自动适应CSI的特性，而不是使用l1范数作为正则化项。我们将传统的迭代收缩阈值算法（ISTA）展开为一个神经网络，通过端到端的训练学习优化过程和正则项。我们表明，LORA提高了CSI反馈的准确性和速度。此外，提出了一种新的可学习的量化方法和相应的训练方案，它表明，LORA可以成功地在不同的比特率，提供灵活的CSI反馈开销。各种现实的情况下，被认为是通过数值模拟来证明LORA的有效性和鲁棒性。
2022-09-30 cs.IT eess.SP math.IT
Exploring the Potential of Large Language Models for Massive MIMO CSI Feedback
本文首次探索将大型语言模型用于大规模MIMO系统的CSI压缩反馈，利用其去噪能力并设计定制模块，实验证明该方法能有效提升CSI重建性能。
2025-01-18 cs.IT eess.SP math.IT
Design of an Efficient CSI Feedback Mechanism in Massive MIMO Systems: A Machine Learning Approach using Empirical Data
大规模多输入多输出（mMIMO）机制在精确获取信道状态信息（CSI）的情况下获得空间分集和复用增益的益处。在当前的通信架构中，下行链路CSI由用户设备（UE）经由专用导频估计，然后反馈给gNodeB（gNB）。反馈信息被压缩，目的是减少空中开销。这种压缩增加了所获取的CSI的不准确性，从而降低了整体频谱效率。提出了一种基于机器学习（ML）的CSI反馈算法，该算法利用双通道预测器，计算量小.所提出的方法可以用于时分双工（TDD）和频分双工（FDD）系统，并且它允许减少反馈开销并提高所获取的CSI准确度。为了观察到真正的好处，我们证明了所提出的方法使用的经验数据记录在诺基亚在德国斯图加特的校园的性能。数值结果表明，所提出的方法在减少开销，最大限度地减少量化误差，提高频谱效率，余弦相似性，和预编码增益相比，传统的CSI反馈机制的有效性。
2022-08-25 cs.IT eess.SP math.IT
Swin Transformer-Based CSI Feedback for Massive MIMO
本文提出基于Swin Transformer的CSI反馈网络SwinCFNet，利用自编码器结构捕获信道状态信息的长程依赖，在模型规模相当的情况下显著优于其他深度学习方法，尤其在室外场景表现突出。
2024-01-12 cs.IT eess.SP math.IT
Deep Joint Source-Channel Coding for CSI Feedback: An End-to-End Approach
MIMO技术带来的吞吐量的增加依赖于基站（BS）中获取的信道状态信息（CSI）的知识。为了使CSI反馈开销对于MIMO技术的演进是可承受的（例如，大规模MIMO和超大规模MIMO），引入了深度学习（DL）来处理CSI压缩任务。基于现有通信系统中的分离原理，基于DL的CSI压缩被用作信源编码。然而，在有限块长度机制中，这种单独的信源-信道编码（SSCC）方案劣于联合信源-信道编码（JSCC）方案。在本文中，我们提出了一个深度联合信源-信道编码（DJSCC）为基础的CSI反馈任务的框架。特别地，所提出的方法可以同时从CSI源和无线信道学习。在现有的方法中，通过在延迟域中的傅立叶变换来截断CSI，而不是应用非线性变换网络来压缩CSI。此外，我们采用了一种信噪比自适应机制来处理无线信道的变化。大量的实验证明了该框架的有效性、适应性和通用性。
2022-04-07 cs.IT eess.SP math.IT
Deep Joint CSI Feedback and Multiuser Precoding for MIMO OFDM Systems
提出一种基于深度学习的联合CSI反馈与多用户预编码方法，利用深度联合信源信道编码压缩CSI特征向量并联合调整预编码方向与功率，显著提升了低信噪比与低反馈开销下的下行和速率。
2024-04-25 cs.IT eess.SP math.IT
Adaptive Bit Partitioning for Reconfigurable Intelligent Surface Assisted FDD Systems with Limited Feedback
针对 RIS 辅助 FDD 系统的有限反馈问题，提出由 LoS/NLoS 子码本构成的级联码本及自适应比特分配策略，以降低遍历速率损失。
2020-11-30 cs.IT eess.SP 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
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
Multi-Task Learning for Multi-User CSI Feedback
基于深度学习的大规模MIMO CSI反馈近年来受到了广泛关注。现在，存在过多的CSI反馈模型，其主要基于在用户设备（UE）处具有编码器网络并且在gNB（基站）处具有解码器网络的自动编码器（AE）架构。然而，这些模型是在单通道场景中针对单个用户训练的，使得它们在具有不同通道和不同用户编码器模型的多用户场景中无效。在这项工作中，我们解决这个问题，利用多任务学习（MTL）的背景下，大规模MIMO CSI反馈的技术。特别是，我们提出的方法，共同训练现有的模型在多用户设置，同时增加一些组成模型的性能。例如，通过我们提出的方法，CSINet在与STNet一起训练时，性能提高了$39\%$，同时系统的总速率提高了$0.07bps/Hz$。
2022-12-01 cs.IT eess.SP math.IT
A Lightweight Deep Network for Efficient CSI Feedback in Massive MIMO Systems
为了充分利用大规模多输入多输出（m-MIMO）的优势，在发射端需要准确的信道状态信息（CSI）。然而，对于大型天线阵列，过多的CSI反馈是低效的，因此在实际应用中是不期望的。通过利用角延迟域中复值信道响应的固有相关特性，提出了一种新的神经网络（NN）架构，即ENet，用于m-MIMO中的CSI压缩和反馈。即使ENet单独处理CSI值的实部和虚部，其特殊结构也使仅针对实部训练的网络能够重新用于虚部。与现有的基于神经网络的解决方案相比，所提出的ENet显示出增强的性能，网络大小减少了近一个数量级。实验结果验证了所提出的ENet的有效性。
2021-05-21 cs.IT eess.SP math.IT
Generalizing Deep Learning-Based CSI Feedback in Massive MIMO via ID-Photo-Inspired Preprocessing
针对大规模MIMO中基于深度学习的CSI反馈模型跨环境泛化性差的问题，提出受身份证照片启发的UniversalNet框架，通过输入标准化、稀疏对齐等操作实现与现有模型的无缝集成，结合特征向量联合优化提升压缩效率，有效增强了泛化性能与反馈精度。
2024-10-10 cs.IT eess.SP math.IT
Interference Alignment with Partial CSI Feedback in MIMO Cellular Networks
干扰对齐（IA）是一种线性预编码策略，可以在干扰网络中实现高信噪比下的最佳容量缩放。然而，大多数现有的IA设计在发射机处需要完整的信道状态信息（CSI），这将导致显著的CSI信令开销。有两种技术，即CSI量化和CSI反馈滤波，以减少CSI反馈开销。在本文中，我们认为IA处理与CSI反馈滤波MIMO蜂窝网络。我们引入了一种新的度量，即反馈维度，量化与CSI反馈滤波相关的一阶CSI反馈成本。CSI反馈滤波在IA处理中提出了几个重要的挑战。首先，在IA预编码器设计中存在不能使用常规IA设计方法处理的隐藏的部分CSI知识约束。此外，现有的结果的可行性条件IA不能应用由于部分CSI知识。最后，找出实际上需要多少CSI反馈来支持IA处理是非常具有挑战性的。我们将解决上述挑战，并提出了一个新的IA的可行性条件下，部分CSIT知识的MIMO蜂窝网络。在此基础上，我们考虑了受自由度要求的CSI反馈配置文件的设计，我们推导出封闭形式的CSI反馈成本和IA性能之间的权衡结果在MIMO蜂窝网络。
2014-03-15 cs.IT math.IT
A Codebook Design for FD-MIMO Systems with Multi-Panel Array
在这项工作中，我们研究了全维多输入多输出（FD-MIMO）系统与多面板阵列（MPA）的码本设计。我们提出了新的码本，允许精确的MPA FD-MIMO系统的波束结构，通过调查的物理特性和对齐的面板。我们特别利用的特点，一组天线在垂直方向上表现出更多的相关性比那些在水平方向上。这使得能够经济地使用反馈比特，同时与传统码本相比构造更精细的波束。通过使用强化学习在多个部分（诸如波束幅度和共相系数）上动态地分配反馈比特，进一步改进码本。数值结果证实了所提出的方法在性能和计算复杂性方面的有效性。
2022-08-09 cs.IT eess.SP math.IT
Leveraging Bi-Directional Channel Reciprocity for Robust Ultra-Low-Rate Implicit CSI Feedback with Deep Learning
提出Dual-ImRUNet框架，通过双向相关性增强和输入格式对齐模块，结合Transformer网络实现超低速率CSI压缩，反馈开销降低85%且对未见环境鲁棒。
2025-07-16 cs.IT eess.SP math.IT
Prompt-Enabled Large AI Models for CSI Feedback
本文通过跨数据集分析揭示AI-CSI反馈性能源于模型拟合能力与环境知识利用，并提出在角-时延域以信道幅度均值作为提示驱动大型AI模型，在提升反馈精度和泛化能力的同时降低新场景数据采集需求。
2025-04-09 cs.IT eess.SP math.IT
AdapCsiNet: Environment-Adaptive CSI Feedback via Scene Graph-Aided Deep Learning
针对基于深度学习的CSI反馈方法泛化能力有限且在线训练开销大的问题，提出无需在线训练的AdapCsiNet框架，通过集成场景图形式的环境信息实现动态适应，提升重建精度达46.4%且无额外运行时开销。
2025-04-15 cs.IT eess.SP math.IT
Limited Feedback on Measurements: Sharing a Codebook or a Generative Model?
针对FDD系统有限反馈机制，本文对比了传统DFT码本与基于GMM的生成模型方案，通过真实测量数据实验证明GMM方案显著提升了总速率，并允许系统使用更少的导频或反馈比特。
2024-01-03 cs.IT eess.SP math.IT
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
CSI Feedback Reduction for MIMO Interference Alignment
干扰对齐（IA）是一种线性预编码策略，可以在干扰网络中实现高信噪比下的最佳容量缩放。大多数现有的IA设计需要在发射机处的完整信道状态信息（CSI），这引起了巨大的CSI信令成本。因此，它是可取的，以提高IA的反馈效率，在本文中，我们提出了一种新的IA计划，显着减少CSI反馈。为了量化CSI反馈成本，我们引入了一个新的度量，即反馈维度。该度量用作CSI反馈开销的一阶测量。由于部分CSI反馈约束，传统的IA方案不能应用，因此，我们开发了一种新的IA预编码器/解相关器设计，并建立新的IA可行性条件。通过动态反馈配置设计，所提出的IA方案还可以实现数据流的自由度（DoF）要求、天线资源和CSI反馈成本之间的灵活折衷。我们通过分析和仿真表明，该方案实现了在MIMO干扰网络中相同的自由度要求下，CSI反馈开销的大幅减少。
2013-06-09 cs.IT math.IT
Machine Learning-Based CSI Feedback With Variable Length in FDD Massive MIMO
针对FDD大规模MIMO系统中的CSI反馈开销问题，提出基于PCA的可变长度反馈策略，通过自适应压缩、比特分配与k-means聚类优化量化，相比CsiNetPro总速率提升17%，参数量减少23.4倍且训练样本需求大幅降低。
2023-05-22 cs.IT eess.SP math.IT
Deep Learning-based CSI Feedback Approach for Time-varying Massive MIMO Channels
在频分双工（FDD）网络中，大规模多输入多输出（MIMO）系统依赖于信道状态信息（CSI）反馈来执行预编码并实现性能增益。然而，大量的天线对传统的CSI反馈减少方法提出了挑战，并导致过多的反馈开销。在这篇文章中，我们开发了一个实时CSI反馈架构，称为CsiNet-长短期记忆（LSTM），通过扩展一个新的基于深度学习（DL）的CSI感知和恢复网络。CsiNet-LSTM通过直接从时变大规模MIMO信道的训练样本中学习空间结构与时间相关性，大大提高了恢复质量，并改善了压缩比（CR）和复杂度之间的权衡。仿真结果表明，CsiNet-LSTM优于现有的基于压缩感知和基于DL的方法，并且对CR减少具有显著的鲁棒性。
2018-07-31 cs.IT math.IT
Transformer-assisted Parametric CSI Feedback for mmWave Massive MIMO Systems
针对毫米波大规模MIMO系统CSI反馈开销大的问题，提出结合深度学习的参数化CSI反馈方法，将信道压缩为少量几何参数以降低开销，通过深度学习提取参数与重建信道抑制量化误差，在NMSE和BER上优于传统方法。
2024-10-09 cs.IT eess.SP math.IT
Massive MIMO CSI Feedback using Channel Prediction: How to Avoid Machine Learning at UE?
针对UE端机器学习不可行的问题，提出BS端CSI学习机制CSILaBS，利用信道预测和轻量级预测函数，降低开销与计算成本，并验证其性能增益。
2024-03-20 cs.IT eess.SP math.IT
Convolutional Neural Network based Multiple-Rate Compressive Sensing for Massive MIMO CSI Feedback: Design, Simulation, and Analysis
针对大规模MIMO中CSI反馈带宽开销大的问题，提出多速率压缩感知神经网络框架及CsiNet+等网络，提升重建精度、减少UE存储与参数量，还探究了方法内在机制。
2019-06-14 cs.IT eess.SP math.IT
Enhancing Deep Learning Performance of Massive MIMO CSI Feedback
Nanyang Technological University（南洋理工大学）
CSI反馈是大规模多输入多输出（MIMO）技术的一个重要问题，因为反馈开销与子信道的数量和天线的数量成比例，这两者都与大规模MIMO系统的大小成比例。基于深度学习的CSI反馈方法由于其优越的性能最近被广泛采用。尽管取得了成功，但目前的方法尚未充分利用CSI数据的特征与深度学习框架之间的关系。在本文中，我们提出了一个拼图辅助训练策略（JPTS），以增强基于深度学习的大规模MIMO CSI反馈方法，通过最大化原始CSI和压缩CSI之间的互信息。我们在现有的最先进的方法之上应用JPTS。实验结果表明，采用该训练策略，室内和室外环境下的准确率平均分别提高了12.07%和7.01%。所提出的方法准备好采用大规模MIMO CSI反馈的现有深度学习框架。JPTS的代码可以在GitHub上使用。
2023-02-03 cs.AI cs.IT eess.SP
Nearly Doubling the Throughput of Multiuser MIMO Systems Using Codebook Tailored Limited Feedback Protocol
我们提出并分析了一种新的鲁棒反馈和多用户MIMO下行链路通信系统的传输策略，称为速率近似（RA）。RA结合了在有限反馈约束下与用户终端进行可靠通信所需的灵活性和鲁棒性。它回应了两个重要的意见。首先，对信道进行近似不是那么重要，而是对速率进行近似，使得可以在基站处模仿最优调度决策。其次，当因此信道状态信息更准确时，发射机处的固定发射码本通常更好。在RA方案中，发射码本和反馈码本是分开的，并且用户速率以受控的均匀误差传递到基站。理论分析和实验结果表明，在一定的干扰噪声容限下，该方案具有更好的性能，并且比经典的Jindal公式具有更好的性能。LTE系统仿真支持的分析结果表明，性能增益高达50%或70%的迫零相比，当使用多个天线在基站和多个天线或一个天线在终端，分别。一个新的反馈协议的开发，固有地考虑了发射码本，这是能够处理在终端的复杂性问题。
2013-01-09 cs.IT math.IT
A Scalable Limited Feedback Design for Network MIMO using Per-Cell Product Codebook
在网络MIMO系统中，在发射机侧需要信道状态信息以在空间域中复用用户。由于在实践中很难获得完美的信道知识，因此\emph{limited feedback}是一种被广泛接受的解决方案。网络MIMO系统的{ \em动态协作BS数}和{ \em异构路径损耗效应}对有限反馈设计提出了新的挑战。在本文中，我们提出了一个可扩展的有限反馈设计的网络MIMO系统，多个基站，多个用户和多个数据流的每个用户。我们提出了一个{ \em有限的反馈框架，使用每小区产品码本}，以及{ \em低复杂度的反馈索引选择算法}。我们表明，所提出的每小区产品码本有限反馈设计可以渐近地实现相同的性能的联合小区码本的方法。我们还得到了一个渐进的\emph{per-user throughput loss}由于有限的反馈与每细胞产品码本。在此基础上，我们表明，当每用户反馈位数$B_{k}$是$\mathcal{O}\big( Nn_{T}n_{R}\log_{2}(ρg_{k}^{sum})\big)$，系统在\emph{noise-limited}制度，其中每用户的吞吐量是$\mathcal{O} \left( n_{R} \log_{2} \big( \frac{n_{R}ρg_{k}^{sum}}{Nn_{T}} \big) \right)$。另一方面，当每用户反馈比特$B_{k}$的数目不随\emph{system…
2010-07-31 cs.IT math.IT
Multi-task Learning-based CSI Feedback Design in Multiple Scenarios
针对频分双工系统多场景CSI反馈中多AE模型占用UE内存过高的问题，提出共享编码器、多任务解码器并用GateNet选择解码器的S-to-M框架，显著降低复杂度与内存消耗。
2023-06-04 cs.IT eess.SP math.IT
CSI Feedback with Model-Driven Deep Learning of Massive MIMO Systems
为了在频分双工（FDD）模式下实现大规模多输入多输出（MIMO）系统的高数据率的可靠通信，需要将接收端估计的信道状态信息（CSI）反馈到发射端。然而，随着天线数量的增加，反馈开销变得过高。针对毫米波（mmWave）大规模MIMO系统，提出了一种基于模型驱动深度学习的两级低秩（TSLR）CSI反馈方案，以降低反馈开销。此外，我们设计了一个深度迭代神经网络，命名为FISTA-Net，通过展开的快速迭代收缩阈值算法（FISTA），以实现更有效的CSI反馈。在FISTA-Net的基础上，基于注意力机制设计了一个收缩阈值网络（ST-Net），该网络能够自适应地选择阈值。仿真结果表明，所提出的TSLR CSI反馈方案和FISTA-Net优于现有的算法在各种情况下。
2021-12-13 cs.IT cs.LG eess.SP
A Low-Overhead Incorporation-Extrapolation based Few-Shot CSI Feedback Framework for Massive MIMO Systems
Jinan University（暨南大学）；University of Macau（澳门大学）；East China Normal University（华东师范大学）；Southeast University（东南大学）
针对大规模MIMO系统CSI反馈开销高和样本需求大的问题，提出基于合并-外推的少样本反馈框架IEFSF，结合知识驱动和AIGC数据增强，在DeepMIMO上实现64倍开销降低并保持高精度。
2024-06-21 cs.AI cs.IT eess.SP
Multi-User MIMO with outdated CSI: Training, Feedback and Scheduling
传统的MU-MIMO技术，例如线性迫零波束成形（LZFB），需要在发射机处的足够准确的信道状态信息（CSIT），以便实现频谱高效传输（自由度增益）。然而，在实际设置中，CSIT准确性可能受到许多问题的限制，包括CSI估计、用户终端到基站之间的CSI反馈延迟以及信道的时间/频率相干性。CSIT反馈延迟和信道动态的后一方面可能导致高效MU-MIMO系统部署中的重大挑战。最近，Maddah-Ali和Tse（MAT）已经表明，即使CSIT的知识完全过时，也可以通过MU-MIMO实现自由度增益。具体来说，过时的CSIT，尽管是完美的CSIT，只有在传输发生后才被称为传输。对CSIT反馈延迟不敏感的这一方面特别令人感兴趣，因为它允许人们重新考虑动态信道条件下的MU-MIMO设计。事实上，如我们所示，通过适当的调度，甚至在CSI估计和反馈误差的上下文中，所提出的MAT方案在这种情况下可以具有优于传统MU-MIMO的性能优势。
2011-09-29 cs.IT math.IT
