| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2023-03-01 10:25 A Novel DNN-based CSI Feedback with Quantization for FDD Massive MIMO Systems ○Junjie Gao・Mondher Bouazizi・Tomoaki Ohtsuki（Keio Univ.）・Gui Guan（NJUPT）  RCS2022-252 |
|
| 抄録 | （和） | (まだ登録されていません) |
| （英） | Accessing the accurate downlink channel state information (CSI) is essential to take full advantage of frequency division duplex (FDD) massive multiple-input multiple-output (MIMO) systems due to its weak channel reciprocity. Meanwhile, great computational burdens will happen, which is accompanied by continuous CSI feedback. The existing compressive sensing (CS)-based and deep learning (DL)-based methods try to solve such problems, but do not achieve desired effect to get ideal CSI feedback or decrease the overhead. An adaptive deep neural network (DNN)-based CSI feedback method is proposed in this paper to address this. A classification block of the compression ratio is adopted and modified to apply to a more complex channel model named Clustered-Delay-Line (CDL), which helps decrease the computational overhead of the network. Besides, the reconstruction accuracy of the CSI feedback is further improved by proposing a new structure of the encoder. Quantization and dequantization modules are also applied to make the whole network more robust and effectively minimize the quantization distortion in the real communication scenario, respectively. The simulation results show that the proposed method performs better than the conventional ones on the CSI reconstruction accuracy in terms of normalized mean square error (NMSE), even though the quantization module is added. |
|
| キーワード | （和） | / / / / / / / |
| （英） | CSI feedback / deep neural network / classification / quantization / massive MIMO / / / | |
| 文献情報 | 信学技報, vol. 122, no. 399, RCS2022-252, pp. 31-35, 2023年3月. | |
| 資料番号 | RCS2022-252 | |
| 発行日 | 2023-02-22 (RCS) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | RCS2022-252 |
|
| 研究会情報 | |
| 研究会 | RCS SR SRW |
| 開催期間 | 2023-03-01 - 2023-03-03 |
| 開催地（和） | 東京工業大学＋オンライン開催 |
| 開催地（英） | Tokyo Institute of Technology, and Online |
| テーマ（和） | 移動通信ワークショップ |
| テーマ（英） | Mobile Communication Workshop |
| 講演論文情報の詳細 | |
| 申込み研究会 | RCS |
| 会議コード | 2023-03-RCS-SR-SRW |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | A Novel DNN-based CSI Feedback with Quantization for FDD Massive MIMO Systems |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / CSI feedback |
| キーワード(2)（和/英） | / deep neural network |
| キーワード(3)（和/英） | / classification |
| キーワード(4)（和/英） | / quantization |
| キーワード(5)（和/英） | / massive MIMO |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 高 俊傑 / Junjie Gao / ガオ ジュンジェ |
| 第1著者 所属（和/英） | 慶応義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第2著者 氏名（和/英/ヨミ） | Mondher Bouazizi / Mondher Bouazizi / |
| 第2著者 所属（和/英） | 慶応義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 大槻 知明 / Tomoaki Ohtsuki / オオツキ トモアキ |
| 第3著者 所属（和/英） | 慶応義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第4著者 氏名（和/英/ヨミ） | Gui Guan / Gui Guan / |
| 第4著者 所属（和/英） | 南京郵電大学 (略称： NJUPT) Nanjing University of Posts and Telecommunications (略称： NJUPT) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-03-01 10:25:00 |
| 発表時間 | 25分 |
| 申込先研究会 | RCS |
| 資料番号 | RCS2022-252 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.399 |
| ページ範囲 | pp.31-35 |
| ページ数 | 5 |
| 発行日 | 2023-02-22 (RCS) |
[研究会発表申込システムのトップページに戻る]