研究论文

基于CNN‐LSTM和注意机制的大规模MIMO CSI重建

作者:

陈泉甘、和

青衣朱作者信息和声明

IET通信,体积14,问题18

页3089-3094

https://doi.org/10.1049/iet-com.2019.1030

出版:2020年11月1日出版历史

摘要

在大规模多输入多输出（MIMO）系统中，信道状态信息（CSI）反馈可以在频分双工网络中提高性能。然而，随着天线数量的增加，CSI的反馈开销也将增加。为此，本研究利用卷积神经网络（CNN）、长短期记忆（LSTM）和注意机制解决了大规模MIMO CSI重建问题，并提出了一种高效的网络架构（表示为CNN‐LSTM‐A）。为了在性能和复杂性之间取得折衷，该方法通过使用单级网络而不是多级网络来显著减少训练参数的数量。最后，仿真结果表明，作者的方法可以有效地减少CSI的反馈开销，与现有最先进的方法相比，在CSI压缩和恢复精度方面取得了更好的性能。

7参考文献

[1]

Larsson E.G.、Edfors O.、Tufvesson F。等。：“下一代无线系统的大规模MIMO”，IEEE通信。美格。，2014，52，第186–195页

[2]

Xu J.L.，Su W.，Zhou M.C.：“配备快速调制识别的软件定义无线电”，IEEE传输。车辆。Technol公司。2010年第59期，第1659–1667页

[3]

Jafar S.A.、Vishwanath S.：“对称的广义自由度K（K）有限精度CSIT下的用户干扰信道，IEEE传输。Inf.理论，2017，63，第6561–6572页

[4]

沈伟、戴磊、申斌。等。：“FDD大规模MIMO系统基于低秩矩阵补全的联合CSIT采集”，IEEE通信。莱特。2015年第19期，第2178–2181页

[5]

Santipach W.，Honig M.L.：“带有量化预编码矩阵的多天线衰落信道的容量”，IEEE传输。Inf.理论2009年第55期，第1218–1234页

[6]

Au‐Yeung C.，Love D.：“关于MISO系统中随机矢量量化有限反馈波束形成的性能”，IEEE传输。Wirel公司。Commun公司。2007年第6期，第458–462页

[7]

Choi J.、Chance Z.、Love D.J。等。：“非相干网格编码量化：大规模MIMO系统的实用有限反馈技术”，IEEE传输。Commun公司。2013年第61期，第5016–5029页

[8]

Hung Li K.，Teh K.C.，Zhang Z.：“在大规模多输入单输出蜂窝网络中，将压缩传感应用于有限反馈策略”，IET通讯。，2014，8，第947–955页

[9]

Eltayeb M.E.、Al‐Naffouri T.Y.、Bahrami H.R.：“MIMO广播信道中用于减少反馈的压缩传感”，IEEE传输。Commun公司。，2014，62，第3209–3222页

[10]

宋涛、李宏、孟飞。等。：“LETRIST：用于旋转不变纹理分类的局部编码变换特征直方图”，IEEE传输。电路系统。视频技术。2018年第28期，第1565–1579页

[11]

Zhang Z.，Zou Y.，Gan C.：“通过三种不同注意卷积神经网络和跨模态一致回归进行文本情感分析”，神经计算2018年第275页，第1407–1415页

[12]

甘川，王磊，张泽。等。：“基于稀疏注意的可分离扩张卷积神经网络用于目标实体情绪分析”，知识‐基于系统。，2020，188，第1-10页

[13]

何H.、温C.K.、金S。等。：“波束空间mmWave大规模MIMO系统基于深度学习的信道估计”，IEEE无线通信。莱特。，2018年7月，第852-855页

[14]

O'Shea T.J.、Roy T.、Clancy T.C.：“基于无线深入学习的无线电信号分类”，IEEE J.选择。顶部。信号处理。2018年12月，第168-179页

[15]

张泽、王川、甘川。等。：“使用卷积神经网络和SPWVD和BJD特征融合的自动调制分类”，IEEE传输。信号信息处理。通过Netw。2019年第5期，第469–478页

[16]

Wen C.K.、Shih W.T.、Jin S.：“深入学习大量MIMO CSI反馈”，IEEE有线。Commun公司。莱特。2018年7月7日，第748–751页

[17]

王涛，温春凯，金S。等。：“针对时变大规模MIMO信道的基于深度学习的CSI反馈方法”，IEEE有线。Commun公司。莱特。2019年第8期，第416–419页

[18]

高Z.，戴L.，王Z。等。：“FDD大规模MIMO基于空间公共稀疏度的自适应信道估计和反馈”，IEEE传输。信号处理。2015年第63期，第6169–6183页

[19]

何凯，张旭，任S。等。：“图像识别的深度残差学习”。程序。IEEE计算机视觉和模式识别会议2016年，美国拉斯维加斯，第770-778页

[20]

Hochreiter S.、Schmidhuber J.：“长期短期记忆”，神经计算。1997年9月，第1735-1780页

[21]

Greff K.、Srivastava R.K.、KoutníK J。等。：“LSTM:一场搜索空间之旅”，IEEE传输。神经网络。，2017，28，第2222–2232页

[22]

Kingma D.，Ba J.：“亚当：随机优化方法”。程序。第三届国际学习代表大会2015年，美国圣地亚哥，第1-15页

[23]

Liu L.，Poutanen J.，Quitin F.：“成本2100 MIMO信道模型”，IEEE有线。Commun公司。2012年第19期，第92–99页

建议

大规模MIMO系统中导频序列污染的影响

时分双工（TDD）是在大规模多输入多输出（MIMO）系统中获取信道状态信息的最有效技术，其中导频信号利用上行链路和下行链路信道之间的互易性来。。。
阅读更多信息
相关时变信道中CSI不完善的大规模多用户MIMO系统的天线选择辅助遍历容量

在这项研究中，作者提出了基于最大信噪比的天线选择（AS）辅助的大规模多用户多输入多输出（MU‐MIMO）系统，其中不完美的信道状态信息（CSI）、时变信道和天线。。。
阅读更多信息
大规模MIMO的多小区MMSE数据检测：新的简化界限

在本研究中，作者分析了大规模多输入多输出（MIMO）系统中的多单元最小均方误差（MMSE）检测器问题，并提供了新的见解。他们的系统将飞行员跳转和飞行员重用策略结合在一起。。。
阅读更多信息

评论

信息和贡献者

问询处

发布于

封面图片IET通信

IET通信第14卷第18期

2020年11月

216页

EISSN公司：1751-8636

DOI（操作界面）：10.1049/cmu2.v14.18

©2021工程技术学会。

出版商

John Wiley&Sons公司。

美国

出版历史

出版：2020年11月1日

作者标记

作者标记

限定符

研究文章

贡献者

其他指标

查看文章指标

文献计量学和引文

文献计量学

文章指标

0
引文总数
0
总下载次数

下载次数（过去12个月）0
下载次数（最近6周）0

其他指标

查看作者指标

引文

视图选项

查看选项

获取访问权限

登录选项

检查您是否可以通过登录凭据或您的机构访问本文。

完全访问权限

获取此文章

媒体

数字

其他

桌子

查看问题目录