基于深度学习的大规模MIMO信道状态信息反馈

MIMO系统

MIMO系统利用多个天线在发送端和接收端之间建立多条独立的信道，从而使得同一时间可以传输多个数据流，从而使得同一之间可以传输多个数据流，提高数据传输速率。

优势

增加传输速率和容量，提高信号覆盖范围和抗干扰能力，增加频谱利用率。

MIMO需要解决的问题

• 依赖于精确的信道状态信息（CSI）
• 下行链路CSI在训练期间从用户处获得并通过反馈链路返回给基站
• 系统中有许多天线，反馈信道矩阵会很大并且因此会导致过量的开销

• FDD的低互换性：（1）各个信道使用不同的频率（2）每个频率信道需要专门设计硬件来调制和解调，各个信道的设备不能互换使用
• 基站需要知道下行链路的信道状态信息，依赖于用户根据基站发送的导频信号(CSI-RS)进行信道估计，然后将估计的信道状态信息通过反馈链路发送给基站。然而反馈信道矩阵会很大导致过量的开销，需要找到一种方法来减少反馈链路的反馈数据。

系统模型

考虑一个天线的用户的基站的FDD大规模MIMO系统。在这个系统中，采用$N_c$个子载波的OFDM。因此，第n个载波的用户的下行信号为：
$$y_n=h_n{\sim }^H{v}_n{x}_n+z_n$$
其中${\tilde{h}}_n\in {\mathbb{C}}^{N_t\times 1}$是信道频率响应向量，Vn∈CNt×1V_n \in \mathbb{C}^{N_t \times 1}Vn​∈C