Modelo de canal Massive MIMO basado en GAN entrenado con datos medidos

Los modelos de canal inalámbrico son una herramienta comúnmente utilizada para el desarrollo de sistemas y estándares de telecomunicaciones inalámbricas. Los modelos de canal estocástico basados en geometría (GSCMs) que prevalecen actualmente fueron especificados manualmente para ciertos entornos en un proceso manual que requiere amplios conocimientos del dominio, basándose en campañas de medición de canales. Al tener en cuenta la distribución estocástica de ciertas propiedades del canal como el factor k de Rician, la pérdida de trayecto o la dispersión de retardo, modelan la distribución de las realidades del canal. En lugar de este proceso manual, se puede utilizar un modelo de aprendizaje automático generativo, como una red generativa antagónica (GAN), para aprender automáticamente la distribución de las estadísticas del canal. Posteriormente, el generador de la GAN puede verse como un modelo de canal que puede reemplazar modelos estocásticos convencionales o basados en rayos. Proponemos una arquitectura de GAN para un modelo de canal Massive MIMO y lo entrenamos con datos de medición producidos por un sondeador de canal Massive MIMO distribuido.