AI-baserad CSI-inhämtning för mycket stora antennarray med begränsad overhead i 6G
Diarienummer | |
Koordinator | Ericsson AB - Ericsson Research |
Bidrag från Vinnova | 100 000 kronor |
Projektets löptid | januari 2025 - maj 2025 |
Status | Pågående |
Utlysning | 6G - Kompetensförsörjning |
Ansökningsomgång | 6G - Handledning av examensarbete |
Syfte och mål
Nedlänksreferenssignaloverhead kommer att bli en flaskhals för CSI-insamling baserat på UE-feedback. I detta examensarbete kommer metoder som använder AI/ML-tekniker för att reducera referenssignaloverhead för CSI-insamling med ett stort antal antenner att undersökas.
Förväntade effekter och resultat
En eller flera AI/ML-modeller kommer att designas för CSI-insamling baserat på partiell mätning av en hel kanal. Den föreslagna AI/ML-modellen kommer att jämföras med klassiska metoder, såsom komprimerad avkänning. Prestandan kommer att utvärderas i simuleringar på systemnivå. AI/ML-modellen är tänkt att kraftigt reducera DL-referenssignalens overhead för CSI-insamling.
Planerat upplägg och genomförande
Träningsdata kommer att genereras med hjälp av Ericssons interna simulator, baserad på 3GPP standardkanalmodeller. Utbildning kommer att genomföras på AWS. Prestandautvärdering kommer att genomföras i Ericssons interna systemnivåsimulator.