A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Deep Learning-Based Massive MIMO CSI Acquisition for 5G Evolution and 6G Aquisição massiva de CSI MIMO baseada em aprendizagem profunda para evolução 5G e 6G

Xin WANG, Xiaolin HOU, Lan CHEN, Yoshihisa KISHIYAMA, Takahiro ASAI

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

A aquisição de informações de estado de canal (CSI) no lado do transmissor é um grande desafio em sistemas MIMO massivos para permitir transmissões de alta eficiência. Para resolver este problema, vários esquemas de feedback CSI foram propostos, incluindo esquemas de feedback limitado com quantização vetorial baseada em livro de códigos e feedback explícito de matriz de canal. Devido às limitações da capacidade do canal de feedback, um problema comum nestes esquemas é a representação eficiente do CSI com um número limitado de bits no lado do receptor, e a sua reconstrução precisa com base nos bits de feedback do receptor no lado do transmissor. Recentemente, inspiradas por aplicações bem-sucedidas em muitos campos, as tecnologias de aprendizagem profunda (DL) para aquisição de CSI têm recebido considerável interesse de pesquisa tanto da academia quanto da indústria. Considerando o mecanismo de feedback prático das novas redes de rádio (NR) de 5ª geração (5G), propomos dois esquemas de implementação de inteligência artificial para CSI (AI4CSI), o receptor baseado em DL e o design ponta a ponta, respectivamente. Os esquemas AI4CSI propostos foram avaliados em redes 5G NR em termos de eficiência de espectro (SE), sobrecarga de feedback e complexidade computacional, e comparados com esquemas legados. Para demonstrar se esses esquemas podem ser usados ​​em cenários da vida real, tanto os dados do canal modelados quanto os canais medidos na prática foram utilizados em nossas investigações. Quando a aquisição CSI baseada em DL é aplicada apenas ao receptor, que tem pouco impacto na interface aérea, ela fornece ganho SE de aproximadamente 25% em um nível moderado de sobrecarga de feedback. É viável implantá-lo nas atuais redes 5G durante as evoluções do 5G. Para as melhorias CSI baseadas em DL de ponta a ponta, as avaliações também demonstraram seu ganho adicional de desempenho em SE, que é de 6% a 26% em comparação com receptores baseados em DL e de 33% a 58% em comparação com esquemas CSI legados. Considerando o seu grande impacto no design de interfaces aéreas, será uma tecnologia candidata para redes de 6ª geração (6G), nas quais uma interface aérea projetada por inteligência artificial pode ser utilizada.

Publicação
IEICE TRANSACTIONS on Communications Vol.E105-B No.12 pp.1559-1568
Data de publicação
2022/12/01
Publicitada
2022/06/15
ISSN online
1745-1345
DOI
10.1587/transcom.2022EBP3009
Tipo de Manuscrito
PAPER
Categoria
Tecnologias de comunicação sem fio

autores

Xin WANG
  DOCOMO Beijing Communications Laboratories, Co. Ltd.
Xiaolin HOU
  DOCOMO Beijing Communications Laboratories, Co. Ltd.
Lan CHEN
  DOCOMO Beijing Communications Laboratories, Co. Ltd.
Yoshihisa KISHIYAMA
  NTT DOCOMO, INC.
Takahiro ASAI
  NTT DOCOMO, INC.

Palavra-chave