Residual Cross-Attention Transformer-Based Multi-User CSI Feedback With Deep Joint Source-Channel Coding

This letter proposes a deep-learning (DL)-based multi-user channel state information (CSI) feedback framework for massive multiple-input multiple-output systems, where the deep joint source-channel coding (DJSCC) is utilized to improve the CSI reconstruction accuracy. Specifically, we design a multi...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE wireless communications letters Ročník 14; číslo 8; s. 2481 - 2485
Hlavní autoři:	Zhang, Hengwei, Wu, Minghui, Qiao, Li, Liu, Ling, Han, Ziqi, Gao, Zhen
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Piscataway IEEE 01.08.2025 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Coding Correlation Decoding deep joint source-channel coding (DJSCC) Delays Downlink Encoding Feature extraction Feedback massive multiple-input multiple-output (MIMO) multi-user CSI feedback Noise levels Residual cross-attention Training Transformers Uplink Vectors
ISSN:	2162-2337, 2162-2345
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!