.png){kind=icon}
返回
Downlink CSIT Under Compressed Feedback: Joint Versus Separate Source-Channel Coding
.png){kind=icon}
PRE
AI
DOI：10.1109/TWC.2025.3566501.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在多用户大规模MIMO系统中，当上行/下行链路信道互易性不成立（例如在频分双工系统中）时，下行链路（DL）信道状态信息在发射端（CSIT）的获取被认为是一项具有挑战性的任务。从编码的角度来看，通过下行链路训练在用户端获取的DL信道状态可以被视为一种信息源，必须通过上行链路（UL）通信信道传输到基站。通过信道传输信息源可以通过独立的或联合的源信道编码（SSCC或JSCC）实现。在本工作中，我们首先使用经典的远程失真率（DR）理论，为基于JSCC和SSCC的反馈方案的信道估计均方误差（MSE）提供了理论下界，但这需要编码连续的大块信道状态，因此无法在实际中使用，因为它会产生极大的反馈延迟。然后，我们关注最小（一个时隙）反馈延迟的相关情况，并提出了一种实用的基于JSCC的反馈方案，该方案充分利用信道二阶统计特性来优化特征空间中的维度投影。我们分析了所提出的基于JSCC方案的在高信噪比（SNR）行为下的质量缩放指数（QSE）。给定任何反馈方案的信道估计二阶统计特性，我们进一步推导了在最大比传输和零强制预编码条件下，下行链路数据传输的遍历和速率的下界闭合形式。通过广泛的数值结果，我们表明我们提出的基于JSCC的方案优于已知的JSCC、SSCC基线和基于深度学习的方案，并且能够在实际SNR范围内接近最优DR方案的性能。
Keyword:
Joint source-channel coding
quality scaling exponent
CSI feedback
distortion-rate theory
use-and-then-forget (UatF) bound
期刊
IF:
10.7
论文数:
1.3W
被引数:
5.3W
机构
引用论文
Compressive Sampled CSI Feedback Method Based on Deep Learning for FDD Massive MIMO SystemsFDD大规模MIMO系统中基于深度学习的压缩采样CSI反馈方法
OAAI
OAAI分享收藏分享收藏
CNN-Based Analog CSI Feedback in FDD MIMO-OFDM Systems.png)
ICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)OAAI
ICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
OAAI分享收藏分享收藏
查看更多内容