利用信道学习获取超蜂窝网络休眠基站的信道信息  

CSI acquisition for sleeping cells in hyper cellular networks based on channel learning

作　　者：邓瑞琛 姜之源 刘景初 周盛[1,2] 牛志升[1,2] 

机构地区：[1]清华大学电子工程系,北京100084 [2]清华大学信息科学与技术国家实验室(筹),北京100084

出　　处：《中国科学：信息科学》2017年第11期1583-1591,共9页Scientia Sinica(Informationis)

基　　金：国家重点基础研究发展计划(973)(批准号:2012CB316000);国家自然科学基金(批准号:61461136004;61571265;91638204)资助项目

摘　　要：信道信息作为刻画无线信道状态的重要信息,在新一代基于大规模多天线技术的系统中扮演了极其重要的角色.而在超蜂窝架构中,业务基站需要动态休眠以提高系统的能效.当基站休眠时,传统的基于导频的信道信息获取方法无法使用.本文针对这一问题提出了基于机器学习的信道信息获取策略,通过活跃基站多维度的信道信息来推测休眠基站的信道信息.我们以用户选择业务基站为例,利用人工神经网络架构设计了一套具体的信道学习解决方案.与位置辅助信道估计方案不同,该方案采用控制基站侧的信道信息作为输入,避免了用户定位过程中存在的一些问题.通过基于随机地理散射物的信道模型,我们对该方案进行了仿真验证,发现其预测准确率优于K近邻等其他预测算法,性能接近于已知准确用户地理信息的位置辅助估计方案.Channel state information（CSI） plays an important role in next-generation cellular systems with massive multiple-input multiple-output（MIMO） technology as the indicator of wireless channels. In hypercellular networks（HCNs）, traffic base stations（TBSs） improve energy efficiency by dynamical sleeping. However,conventional pilot-based CSI acquisition methods cannot be applied to sleeping cells. We propose a novel CSI scheme based on channel learning to address this problem. Unlike location-aided CSI acquisition schemes, the proposed method utilizes CSI at the control base station（CBS） as input to avoid errors caused by positioning.We validate our scheme in an HCN generated by the geometry-based stochastic channel model（GSCM）. The prediction accuracy of the proposed scheme is better than the K-nearest neighbor（KNN） method and close to the location-aided CSI acquisition scheme, which requires the knowledge on user position.

关 键 词：超蜂窝网络 信道信息 人工神经网络 信道学习 大规模多天线 

分 类 号：TN929.5[电子电信—通信与信息系统]