| 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 | 2023-08-31 10:30 Enhancing CSI Feedback in FDD Massive MIMO Systems using Dropout-based Deep Neural Network ○Junjie Gao・Mondher Bouazizi・Tomoaki Ohtsuki（Keio Univ.）・Guan Gui（NJUPT）  RCS2023-101 |
|
| 抄録 | （和） | (まだ登録されていません) |
| （英） | Accessing precise downlink channel state information (CSI) is crucial in maximizing the benefits of frequency division duplex (FDD) massive multiple-input multiple-output (MIMO) systems, as they lack strong channel reciprocity. However, this requires continuous CSI feedback, leading to significant computational burdens. Existing compressive sensing (CS)-based and deep learning (DL)-based methods have attempted to address these challenges, but have not achieved the desired level of CSI feedback or overhead reduction. To overcome these limitations, a dropout-based deep neural network (DNN) is proposed in this paper. Simulation results demonstrate that the proposed method outperforms conventional approaches in terms of normalized mean square error (NMSE), even with a limited dataset in some noisy scenarios. These findings highlight the efficacy of the proposed method in improving CSI reconstruction accuracy and reducing the demand for training data, which enhance the robustness of the entire system. |
|
| キーワード | （和） | / / / / / / / |
| （英） | CSI feedback / deep neural network / classification / quantization / dropout / Massive MIMO / / | |
| 文献情報 | 信学技報, vol. 123, no. 172, RCS2023-101, pp. 1-4, 2023年8月. | |
| 資料番号 | RCS2023-101 | |
| 発行日 | 2023-08-24 (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 | RCS2023-101 |
|
| 研究会情報 | |
| 研究会 | RCS SAT |
| 開催期間 | 2023-08-31 - 2023-09-01 |
| 開催地（和） | JA長野県ビル + オンライン開催 |
| 開催地（英） | Naganoken Nokyo Building, and online |
| テーマ（和） | 移動衛星通信，放送，誤り訂正，無線通信一般 |
| テーマ（英） | Satellite Communications, Broadcasting, Forward Error Correction, Wireless Communications, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | RCS |
| 会議コード | 2023-08-RCS-SAT |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Enhancing CSI Feedback in FDD Massive MIMO Systems using Dropout-based Deep Neural Network |
| 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） | / dropout |
| キーワード(6)（和/英） | / Massive MIMO |
| 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 / コウ シュンケツ |
| 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） | Guan Gui / Guan Gui / |
| 第4著者 所属（和/英） | NJUPT (略称： NJUPT) NJUPT (略称： NJUPT) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-08-31 10:30:00 |
| 発表時間 | 25分 |
| 申込先研究会 | RCS |
| 資料番号 | RCS2023-101 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.172 |
| ページ範囲 | pp.1-4 |
| ページ数 | 4 |
| 発行日 | 2023-08-24 (RCS) |
[研究会発表申込システムのトップページに戻る]