본 논문은 주파수 분할 이중(FDD) 시스템에서 생성 모델을 통해 전파 환경의 학습된 통계를 통합하여 강력한 프리코딩을 효율적으로 실현하는 방법을 제시한다. 가우시안 혼합 모델(GMM)과 그래프 신경망(GNN)을 결합하여 구축된 사이트별 프리코더를 기반으로 하며, 벡터 양자화-변동 자동 인코더(VQ-VAE)를 활용하여 GMM의 주요 단점인 GMM 구성 요소 수가 피드백 비트에 따라 기하급수적으로 증가하는 문제를 해결한다. 또한, VQ-VAE의 딥 러닝 아키텍처를 통해 GNN을 VQ-VAE와 함께 파일럿 최적화와 함께 공동으로 훈련하는 종단간(E2E) 모델을 구축하여 다중 사용자 무선 시스템의 합률에서 상당한 성능 향상을 달성한다. 제안된 프레임워크는 서브 이산 푸리에 변환(DFT) 파일럿 행렬 및 반복 프리코더 알고리즘을 사용하는 기존 방법보다 우수한 성능을 보이며, 더 적은 파일럿 또는 피드백 비트를 특징으로 하는 시스템의 배치를 가능하게 한다.
