본 논문은 대규모 다중입출력 시스템을 위한 심층 학습 기반 다중 사용자 채널 상태 정보(CSI) 피드백 프레임워크를 제안합니다. 심층 결합 소스-채널 코딩(DJSCC)을 활용하여 CSI 재구성 정확도를 향상시키는 데 중점을 둡니다. 근처 사용자 간의 CSI 상관관계를 이용하여 피드백 오버헤드를 줄이는 다중 사용자 공동 CSI 피드백 프레임워크를 설계하고, CSI 피드백 성능을 더욱 향상시키기 위해 기지국에 새로운 잔차 교차 주의 트랜스포머 아키텍처를 배치합니다. 기존 비트 단위 CSI 피드백 방식의 "절벽 효과"를 해결하기 위해 DJSCC를 다중 사용자 CSI 피드백에 통합하고, 두 단계의 훈련 기법을 사용하여 다양한 상향 링크 잡음 수준에 적응합니다. 실험 결과는 낮은 네트워크 복잡도와 향상된 확장성으로 CSI 피드백 성능에서 제안된 방법의 우수성을 보여줍니다.
시사점, 한계점
•
시사점:
◦
심층 학습 기반 다중 사용자 CSI 피드백 프레임워크를 통해 CSI 재구성 정확도 향상 및 피드백 오버헤드 감소 가능성 제시.
