本文主要是介绍Convolutional Neural Network based Multiple-Rate Compressive Sensing for Massive MIMO CSI Feedback:，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
Convolutional Neural Network based Multiple-Rate Compressive Sensing for Massive MIMO CSI Feedback: Design, Simulation, and Analysis简记
文章目录
- Convolutional Neural Network based Multiple-Rate Compressive Sensing for Massive MIMO CSI Feedback: Design, Simulation, and Analysis简记
- 参考
- MINO基本流程
- 改进简记
- 训练过程简记
- 其他部分
- 补充
参考
- 原文
- 代码实现（部分）
MINO基本流程
- 公式就不列了，看图
- 基本分为两个部分：encoder + decoder
- encoder部分的功能是将CSI数据压缩，然后通过一个量化器将其量化成bit
- decoder部分的功能是反量化+解压
- 因此我认为这个问题的主要难点在于：
- 1、如何压缩
- 2、如何尽量避免量化损失
改进简记
- 这篇文章是对CsiNet的一个改进，这里主要记录一下改进的点
- 更大的Conv kernel（可尝试）
- 非均匀量化（可尝试）
- CSINet+主要结构其实和CISNet没什么区别，如下图
- encoder部分依然是两层conv+fc，只不过换了更大的kernel size，量化部分用的是非均匀量化
- decoder部分添加了偏移函数（用一组卷积+残差当偏移）、残差结构，直接将block的输出当作最终估计结果
- 下面这张是量化和偏移的说明
训练过程简记
- 此前有尝试过，但是属于自个在那里乱训，所以作者的训练方法可以参考一下
- 此篇以前的方法：
- 大lr训练encoder+decoder的第一个fc（可尝试）
- 小lr用来end2end训练
- 改进：
- 不加量化训练（已经用过，暂时没看出效果，可能用错了）
- 加上非均匀量化训练，offset部分用adam优化
- 此篇以前的方法：
其他部分
- 文中还有其他部分，诸如SM-CsiNet+,PM-CsiNet+,以及一些实验和讨论，这些暂时用不到就不在这里记录了。
补充
- 非均匀量化公式
- 偏移网络公式
这篇关于Convolutional Neural Network based Multiple-Rate Compressive Sensing for Massive MIMO CSI Feedback:的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
