AI-baserad CSI-inhämtning för mycket stora antennarray med begränsad overhead i 6G

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.