Un cadre de rétroaction CSI Few-Shot basé sur l'incorporation-extrapolation avec faible surcharge pour les systèmes Massive MIMO

Une information d'état de canal (CSI) précise est essentielle pour le précodage en liaison descendante dans des systèmes massive multiple-input multiple-output (MIMO) à duplexage par répartition de fréquence (FDD) avec multiplexage par répartition en fréquence orthogonale (OFDM). Cependant, obtenir des CSI par rétroaction de l'équipement utilisateur (UE) devient un défi avec l'augmentation de la taille des antennes et des sous-porteuses, entraînant des surcharges de rétroaction CSI extrêmement élevées. Des méthodes basées sur l'apprentissage profond ont émergé pour compresser le CSI, mais ces méthodes nécessitent généralement d'importants échantillons collectés, ce qui pose des défis pratiques. De plus, les méthodes d'apprentissage profond existantes souffrent aussi d'une augmentation dramatique de la surcharge de rétroaction en raison de leur focalisation sur la rétroaction CSI en pleine dimension. Pour résoudre ces problèmes, nous proposons un cadre de rétroaction CSI Few-Shot basé sur l'incorporation-extrapolation (IEFSF) pour les systèmes massive MIMO. Un schéma d'incorporation-extrapolation pour la rétroaction CSI basée sur les vecteurs propres est proposé pour réduire la surcharge de rétroaction. Ensuite, pour atténuer la nécessité d'échantillons collectés en grande quantité et permettre une rétroaction CSI Few-Shot, nous proposons également une méthode d'augmentation de données guidée par la connaissance (KDDA) et une méthode d'augmentation de données basée sur du contenu généré par intelligence artificielle (AIGC) en exploitant la connaissance du domaine des canaux sans fil et en exploitant un nouveau modèle génératif, respectivement. Les résultats expérimentaux basés sur le jeu de données DeepMIMO montrent que le cadre IEFSF proposé réduit considérablement la surcharge de rétroaction CSI.