Adaptive lightweight CNN-based CSI feedback with data normalization for massive MIMO systems
대규모 다중 안테나 시스템의 채널 상태 정보 피드백을 위한 데이터 정규화 및 적응형 경량 합성곱 신경망
- 발행기관 서강대학교 일반대학원
- 지도교수 소재우
- 발행년도 2021
- 학위수여년월 2021. 8
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- UCI I804:11029-000000066120
- 본문언어 영어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
대규모 다중 안테나기술은 실시간 대용량 데이터 전송 서비스를 제공하는 핵심 기술이다. 대규모 다중 안테나기술을 사용하기 위해서 기지국은 단말의 채널 상태 정보가 필요하다. 그러나 안테나 수가 증가할수록 채널 상태 정보 피드백 오버헤드가 기하급수적으로 증가한다. 이 문제를 해결하기 위해서 딥러닝을 이용하여 채널 상태 정보 피드백 오버헤드를 줄이려는 연구들이 제안되었다. 본 학위 논문에서는 딥러닝 기반 채널 상태 정보 피드백을 위해 효율적인 데이터 정규화 방법과 적응형 경량 합성곱 신경망을 다음과 같이 제안한다. 첫째, 대규모 다중 안테나기술에서 딥러닝 기반 채널 상태 정보 피드백을 위한 효율적인 데이터 정규화 방법을 제안하며, 제안된 방법은 수신 신호 세기에 따른 클리핑 기법을 사용한다. 그리고 COST 2100 채널 모델과 QuaDRiGa 채널 모델을 사용하여 제안된 정규화 기법의 피드백 성능을 비교한다. 둘째, 딥러닝 기반 대규모 다중 안테나 채널 상태 정보 피드백에서 네트워크 모델의 계산 복잡성을 줄이기 위해 적응형 경량 합성곱 신경망을 제안한다. 또한 제안된 기법은 데이터셋을 통해 네트워크 모델에서 사용해야할 압축률을 정확하게 찾아낸다. 마지막으로 제안하는 적응형 경량 합성곱 신경망의 피드백 정확도와 계산 복잡도를 종래 CsiNet 과 비교하여 평가한다.
more초록/요약
Massive multiple-input multiple-output (MIMO) is one of the most promising technologies to achieve higher data rates. In massive MIMO systems, the base station (BS) needs to have the channel state information (CSI) of user equipments (UEs). However, as the number of antennas increases, the CSI feedback overhead increases exponentially. Many studies have been proposed to reduce the CSI feedback overhead by using deep learning. This dissertation proposes an efficient data normalization technique for the channel dataset and an adaptive lightweight convolutional neural network for DL-based CSI feedback. First, we introduce a novel data normalization technique for deep learning-based CSI feedback in massive MIMO systems, where the proposed method uses the magnitude-based clipping technique. We evaluate the feedback performance of the proposed normalization method in the QuaDRiGa channel model and the COST 2100 channel model. Second, we propose an adaptive lightweight convolutional neural network to reduce the computational complexity of the network model in the DL-based MIMO CSI feedback. Besides, the proposed technique accurately finds the compression ratio to be used in the network model through the dataset. We compare the feedback accuracy and the computational complexity of the proposed adaptive lightweight CNN with the conventional CsiNet.
more