最近,受到许多领域的成功应用程序的启发,深度学习(DL)的CSI获取技术已获得了学术界和行业的大量研究兴趣。考虑到第五代(5G)新无线电(NR)网络的实际反馈机制,我们提出了针对CSI(AI4CSI)的两个实施方案,基于DL的接收器和端到端设计。根据光谱效率(SE),反馈开销和计算复杂性,在5G NR网络中评估了提出的AI4CSI方案,并与遗产方案进行了比较。为了证明这些方案是否可以在现实生活中使用,在我们的研究中使用了基于建模的基于建模的通道数据和实际测量的通道。当仅将基于DL的CSI采集应用于接收器几乎没有空气接口影响时,它在适度的反馈开销水平下提供了大约25 \%的SE增益。在5G演变过程中,将其部署在当前的5G网络中是可行的。对于基于端到端DL的CSI增强功能,评估还证明了其在SE上的额外性能增长,与基于DL的接收器相比,为6%-26%,与传统CSI方案相比,其33%-58% 。考虑到其对空气接口设计的巨大影响,它将是第六代(6G)网络的候选技术,其中可以使用人工智能设计的空气界面。
translated by 谷歌翻译