Bu araştırma, frekans bölmeli çift yönlü (Frequency Division Duplex, FDD) massive MIMO sistemlerinde baz istasyonuna geri gönderilmesi gereken yüksek boyutlu kanal durum bilgisini (Channel State Information, CSI) daha hızlı ve daha küçük bir temsil hâline getirmeyi inceliyor. Yazarların geliştirdiği TAP (Tap-Assisted Parametric CSI Compression) yöntemi, geçmiş ve güncel kanal frekans yanıtlarından zamansal bilgi çıkaran hafif bir 1B sinir ağıyla baskın çok yollu yayılım gecikmelerini tek geçişte kestiriyor; kesirli gecikmeleri alt-grid enterpolasyonuyla belirliyor ve uzamsal karmaşık genlikları kapalı biçimli en küçük kareler çözümüyle hesaplıyor. Beş farklı 3GPP tabanlı veya 3GPP ile uyumlu benzetim ortamındaki sonuçlarda TAP, bir megabaytın altında model boyutuyla ve yaklaşık 0,48–0,64 ms aralığındaki raporlanan çıkarım süreleriyle güçlü CFR-NMSE performansı gösteriyor. Bununla birlikte sonuçlar esas olarak ışın izleme ve stokastik kanal benzetimlerine dayanıyor; çalışma gerçek kablosuz sahada over-the-air doğrulama sunmuyor ve mevcut matematiksel yapı uzak-alan düzlemsel dalga varsayımıyla sınırlı.
TAP'ın temel fikri, klasik sıkıştırılmış algılama yöntemlerinin fiziksel yorumlanabilirliğini derin öğrenmenin hızlı çıkarımıyla birleştirmek. Klasik Orthogonal Matching Pursuit (OMP), gecikme uzayındaki baskın yolları art arda aradığı için doğru fakat yinelemeli ve pahalı bir işlem oluşturuyor. TAP ise geçmiş CSI örneklerinin zamansal sürekliliğini kullanarak olası fiziksel gecikmeleri bir sinir ağıyla doğrudan belirlemeyi, ardından yalnızca bir kez en küçük kareler çözümü yapmayı hedefliyor. Böylece ağ, kanalın tamamını ezberleyen büyük bir kodlayıcı-kod çözücü olmak yerine fiziksel gecikme parametrelerini bulmaya odaklanıyor.
Çalışmanın Türkiye açısından anlamı, yöntemin doğrudan belirli bir ülkenin şebekesine bağlı olmamasıdır. FDD massive MIMO ve gelecekteki yüksek anten sayılı kablosuz sistemlerde CSI geri bildirim yükünü azaltmaya yönelik bu yaklaşım Türkiye'deki araştırma ve geliştirme çalışmalarında da incelenebilir. Ancak makaledeki UMa, InF, UMi, InH ve CDL-A sonuçlarının Türkiye'deki gerçek operatör sahalarına doğrudan aktarılması bilimsel olarak uygun değildir. Yerel frekans tahsisleri, gerçek baz istasyonu dizileri, terminal donanımı, hareketlilik, bina ve arazi kaynaklı yayılım özellikleri ile gerçek CSI-RS ölçümleri kullanılarak ayrıca doğrulama gerekir.
Araştırmanın temel problemi nedir?
FDD massive MIMO'da baz istasyonu (BS), aşağı bağlantı kanalını doğrudan yukarı bağlantı kanalından çıkaramaz. Bu nedenle kullanıcı ekipmanı (User Equipment, UE) aşağı bağlantı kanalını kestirmeli, çok yüksek boyutlu CSI bilgisini sıkıştırmalı ve sınırlı kapasiteli yukarı bağlantı kontrol kanalı üzerinden baz istasyonuna geri göndermelidir. Anten sayısı ve OFDM alt taşıyıcı sayısı büyüdükçe tam kanal frekans yanıtı (Channel Frequency Response, CFR) matrisi de büyür.
Çalışma bu soruna yönelik mevcut yaklaşımları üç grupta ele alıyor. OMP, LASSO ve TVAL3 gibi sıkıştırılmış algılama yöntemleri gecikme alanındaki fiziksel seyrekliğe dayanıyor ancak yinelemeli hesaplama nedeniyle gecikme oluşturuyor. CsiNet ailesi gibi derin öğrenme yöntemleri hızlı çıkarım yapabiliyor ancak belirli anten geometrilerine ve eğitim ortamlarının istatistiklerine bağlanabiliyor. 3GPP Type-1 ve Type-2 kod kitapları ise hesaplama açısından hafif olmakla birlikte çalışmada daha yüksek yeniden yapılandırma hatasıyla karşılaştırılıyor.
Fiziksel kanal nasıl modelleniyor?
Çalışmada tek hücreli, FDD massive MIMO ve OFDM sistemi ele alınıyor. Baz istasyonu Nr × Nc düzgün düzlemsel anten dizisine ve P polarizasyona sahip. Toplam anten portu sayısı:
\[ N_{\mathrm{ant}} = P N_r N_c \]
olarak tanımlanıyor.
Bir alt taşıyıcı ve anten elemanı için kanal frekans yanıtı, farklı çok yollu bileşenlerin toplamı biçiminde modelleniyor:
\[ H[n,m]=\sum_{l=1}^{L}\alpha_{l,m}e^{-j2\pi f_n\tau_l} \]
Burada \(\alpha_{l,m}\), l'inci yolun m'inci anten üzerindeki karmaşık uzamsal genliği; \(\tau_l\) fiziksel yayılım gecikmesi; \(f_n\) ise n'inci alt taşıyıcının frekansıdır. Çalışmanın kritik fiziksel varsayımı, uzak-alanda aynı çok yollu bileşenin gecikmesinin anten dizisi boyunca ortak kabul edilebilmesi; antenler arasındaki farklılığın ise esas olarak karmaşık uzamsal genliklere taşınmasıdır.
Frekans ekseninde ters hızlı Fourier dönüşümü (IFFT) uygulandığında kanal, kanal dürtü yanıtı (Channel Impulse Response, CIR) biçiminde gecikme alanına geçer. Enerjinin sınırlı sayıda baskın fiziksel yol çevresinde toplanması nedeniyle CIR seyrek yapı gösterir. TAP bu fiziksel özelliği doğrudan kullanır.
Neden klasik OMP yeterince hızlı değil?
OMP, her yinelemede mevcut artık sinyali bir gecikme sözlüğüyle karşılaştırıyor, en güçlü atomu seçiyor, aktif sözlüğü büyütüyor, en küçük kareler çözümü yapıyor ve artığı yeniden hesaplıyor. Dolayısıyla tahmin edilen yol sayısı arttıkça IFFT, korelasyon ve matris çözümü tekrar tekrar gerçekleştiriliyor.
Çalışmanın Şekil 2'sinde yol sayısı arttıkça NMSE iyileşirken işlem süresinin de belirgin biçimde yükseldiği gösteriliyor. Metinde K = 10 için yaklaşık 1000 ms işleme süresi belirtiliyor. Buna karşılık daha sonraki Tablo IV'te OMP (K = 10) için 630,15 ms raporlanıyor. Bu iki sayı aynı kaynak içinde farklı olduğundan tek bir kesin OMP gecikmesi olarak birleştirilmemelidir; ikisi de yöntemin alt-milisaniyelik hedefin çok üzerinde kaldığını göstermektedir.
Tek seferde IFFT tepe seçmek neden çözüm değil?
Yazarlar iki temel neden açıklıyor. Birincisi spektral sızıntı. Sonlu bant genişliği frekans alanında dikdörtgen pencere gibi davranarak gecikme alanında sinc biçimli ana lob ve yan loblar oluşturuyor. Güçlü bir fiziksel yolun yan lobu, daha zayıf gerçek bir yol gibi yanlış seçilebiliyor.
İkinci sorun grid mismatch, yani fiziksel gecikmelerin sayısal gecikme ızgarasının tam üzerine düşmemesi. Gerçek gecikme iki grid noktası arasındaysa enerji komşu atomlara yayılıyor. Sözlüğü aşırı örneklemek çözünürlüğü artırsa da komşu atomların birbirine yüksek derecede korelasyonlu hâle gelmesine neden oluyor. Böylece tek bir fiziksel yol birden fazla ayrı yol gibi algılanabiliyor.
Gecikme hatası neden özellikle önemli?
Çalışma yalnız deneysel karşılaştırma yapmakla kalmıyor, gecikme kestirim hatasının CFR yeniden yapılandırma hatasına nasıl dönüştüğünü matematiksel olarak da inceliyor. Tek bir fiziksel yol için gerçek gecikmenin \(\tau\), tahminin ise \(\hat{\tau}=\tau+\Delta\tau\) olduğu kabul edildiğinde, en küçük kareler çözümü genlik ve sabit fazı düzeltebilse bile gecikme hatasının frekansa bağlı faz eğimini ortadan kaldıramıyor.
Çalışmada türetilen üst sınır:
\[ \mathrm{CFR\!-\!NMSE} \leq \frac{4\pi^2 E_f}{N_{\mathrm{sc}}}\Delta\tau^2 \]
şeklinde veriliyor. Burada:
- \(N_{\mathrm{sc}}\): OFDM alt taşıyıcı sayısıdır.
- \(\Delta\tau\): fiziksel gecikme kestirim hatasıdır.
- \(E_f=\sum_k f_k^2\): kullanılan frekans noktalarının yayılım enerjisini temsil eder.
Bu bağıntının temel mesajı, gecikme hatasının etkisinin karesel büyümesi ve geniş bant sistemlerde küçük gecikme hatalarının dahi önemli CFR hatasına dönüşebilmesidir. Çok yollu durumda hata ayrıca baskın yol genliklarıyla ağırlıklandırılır; dolayısıyla güçlü bir görüş hattı bileşenindeki küçük gecikme hatası özellikle önemlidir.
TAP neyi farklı yapıyor?
TAP, klasik OMP'nin yinelemeli atom aramasını DelayNet adlı hafif bir 1B evrişimli sinir ağıyla değiştiriyor. Ağ, yalnız mevcut CFR'yi değil, mevcut ve geçmiş CFR örneklerinden oluşan zamansal bir pencereyi birlikte kullanıyor. Önce alt taşıyıcı ekseninde Hamming penceresi ve IFFT uygulanarak veriler gecikme alanına dönüştürülüyor. Zamansal dizilim, fiziksel yolların zaman boyunca tutarlı hareketini rastgele gürültü ve geçici yan-lob yapılardan ayırmak için bilgi sağlıyor.
DelayNet, gecikme ekseninde çok etiketli bir olasılık ısı haritası üretiyor. Mimaride anten boyutlarına doğrudan bağlı tam bağlantılı katmanlar yerine anten ortalaması ve depthwise separable convolution kullanılıyor. Böylece eğitilebilir parametre sayısının anten dizisinin satır ve sütun sayısıyla büyümemesi hedefleniyor.
Kesirli gecikme nasıl bulunuyor?
Ayrıntılı yöntem bölümünde, en yüksek K yerel tepenin çevresindeki üç olasılık değerine parabol uydurularak alt-grid ofset hesaplanıyor:
\[ \Delta_i = \frac{1}{2} \frac{p_{i-1}-p_{i+1}} {p_{i-1}-2p_i+p_{i+1}} \]
Ardından fiziksel gecikme:
\[ \hat{\tau}_k=(i+\Delta_i)\Delta t \]
olarak elde ediliyor. Bu işlem, gecikmenin yalnız ayrık grid noktalarında kalmasını önlüyor ve gradyanın DelayNet'e geri akmasına izin verdiği için uçtan uca eğitilebilir yapının bir parçası oluyor.
Kaynak içi not: makalenin katkılar listesinde bu alt-grid mekanizması “symmetric linear power-weighted center-of-mass extractor” ifadesiyle tanımlanırken ayrıntılı yöntem bölümünde yukarıdaki parabolik enterpolasyon denklemi veriliyor. Bu makale, matematiksel olarak açık biçimde tanımlanmış Denklem 23'ü esas almakta ve iki tanımı aynı yöntemmiş gibi sessizce birleştirmemektedir.
Uzamsal genliklar nasıl hesaplanıyor?
Kesintisiz gecikmeler belirlendikten sonra Fourier sözlüğü:
\[ A[n,k]=e^{-j2\pi f_n\hat{\tau}_k} \]
biçiminde kuruluyor. Tüm antenler için karmaşık yol genlikları tek bir düzenlileştirilmiş en küçük kareler çözümüyle hesaplanıyor:
\[ \hat{X}=(A^HA+\lambda I)^{-1}A^H H_{\mathrm{tgt}} \]
Bu aşamada yeni eğitilebilir parametre kullanılmıyor. Yazarların verdiği örnek hesapta K = 20, Nsc = 1620 ve Nant = 64 için bu cebirsel geri kazanım yaklaşık 18 MFLOP; DelayNet dahil tüm işlem hattı 153 MFLOP'un altında hesaplanıyor.
Baz istasyonunda neden neural decoder gerekmiyor?
TAP'ın geri bildirim yükü fiziksel parametrelerden oluşturuluyor: tahmin edilen gecikmeler, normalize edilmiş uzamsal genliklar ve ölçek bilgisi. Baz istasyonu aynı sürekli Fourier sözlüğünü yeniden kurup:
\[ \hat{H}=A\hat{X} \]
işlemini uyguluyor. Bu nedenle baz istasyonunda CsiNet benzeri ayrı bir sinir ağı kod çözücüsü çalıştırılması gerekmiyor. “Decoder-free” ifadesi burada kanalın hiç yeniden yapılandırılmadığı anlamına değil, yeniden yapılandırmanın öğrenilmiş bir neural decoder yerine cebirsel matris işlemiyle yapılmasına karşılık geliyor.
Verianla Live: TAP kanal sıkıştırma ve yeniden yapılandırma akışı
Bu süreç, çalışmanın Algoritma 2 ve Şekil 3'te verdiği gerçek işlem sırasını özetler. Gösterim yeni bir ara yöntem veya deney sonucu eklemez.
| Aşama | Açıklama | Kaynak |
|---|---|---|
| 1. Zamansal CFR dizisi | Geçmiş CFR örnekleri ile mevcut hedef CFR tek bir zamansal pencere içinde birleştirilir. | Algoritma 2, adım 1 |
| 2. Gecikme alanına dönüşüm | CFR dizisine Hamming penceresi uygulanır ve IFFT ile gecikme alanı temsili elde edilir. | Bölüm V-A; Algoritma 2, adım 2 |
| 3. DelayNet | 1B sinir ağı gecikme ekseninde çok yollu bileşenlere ait olasılık ısı haritasını üretir. | Bölüm V-B; Algoritma 2, adım 3 |
| 4. Alt-grid gecikme çıkarımı | En güçlü yerel tepelerin çevresindeki değerlerden kesirli fiziksel gecikmeler çıkarılır. | Bölüm V-C; Denklem 23; Algoritma 2, adım 4 |
| 5. Sürekli Fourier sözlüğü | Tahmin edilen gecikmeler kullanılarak A = exp(-j2πfτ̂ᵀ) sözlüğü oluşturulur. | Algoritma 2, adım 5 |
| 6. Uzamsal genlik eşleme | Karmaşık yol genlikları düzenlileştirilmiş en küçük kareler yöntemiyle hesaplanır. | Denklem 24; Algoritma 2, adım 6 |
| 7. Sıkıştırılmış geri bildirim | Genliklar normalize edilir; gecikmeler, normalize genliklar ve ölçek bilgisi baz istasyonuna gönderilir. | Algoritma 2, adım 7–8 |
| 8. Ölçeğin geri yüklenmesi | Baz istasyonu alınan ölçek değeriyle fiziksel genlik ölçeğini yeniden kurar. | Algoritma 2, adım 9 |
| 9. Sözlüğün yeniden kurulması | Baz istasyonu geri bildirilen gecikmelerden Fourier sözlüğünü yeniden üretir. | Algoritma 2, adım 10 |
| 10. Tam CFR yeniden yapılandırması | Ĥ = A X̂ çarpımıyla tam massive MIMO kanal frekans yanıtı oluşturulur. | Algoritma 2, adım 11 |
Verianla Live: Görselleştirme, bu makaledeki görünür bilimsel veri tablosundan tarayıcıda oluşturulur. Tablo bilimsel kaynak-of-truth olarak korunur.
Eğitim kaybı nasıl tanımlanıyor?
TAP uçtan uca iki bileşenli bir amaç fonksiyonuyla eğitiliyor. Birinci bileşen, gerçek fiziksel gecikmelerden oluşturulan hedef ısı haritasıyla DelayNet çıktısı arasındaki MSE kaybı. Her gerçek yol için genliğiyle ağırlıklandırılmış Gauss dağılımı yerleştiriliyor. İkinci bileşen ise nihai tam CFR yeniden yapılandırmasının CFR-NMSE kaybı. Böylece ağ yalnız gecikme tepelerini işaretlemeyi değil, bu gecikmelerin nihai kanal yeniden yapılandırmasına katkısını da öğreniyor.
Deney ortamları ne kadar farklı?
Değerlendirme beş temel yayılım ortamını kapsıyor: Sionna RT tabanlı Urban Macrocell (UMa) ve Indoor Factory (InF), DeepMIMO tabanlı Urban Microcell (UMi) ve Indoor Hotspot (InH) ile Sionna-PHY üzerinden üretilmiş 3GPP CDL-A. Çalışmada ayrıca 1×32 ULA anten geometrisi üzerinde ayrı ölçeklenebilirlik değerlendirmesi bulunuyor.
Ana testlerin büyük bölümünde 1620 alt taşıyıcı ve 60 kHz alt taşıyıcı aralığı kullanılıyor. UMa, InF ve CDL-A için taşıyıcı frekansı 2,14 GHz; UMi için 3,5 GHz; InH için 2,5 GHz. UMa ve InF testlerinde 8×8 çift polarizasyonlu diziler; UMi ve InH'de 8×8 tek polarizasyonlu diziler kullanılıyor. Zamansal pencere uzunluğu UMa, InF, UMi ve InH için 9; CDL-A için 1 olarak belirlenmiş.
Kanal yapısı ortamdan ortama nasıl değişiyor?
Şekil 4 ve Şekil 5, iç ve dış ortamların gecikme profillerinin aynı olmadığını gösteriyor. İç ortamda enerji daha fazla sayıda çok yollu bileşene dağılıyor ve toplam enerjinin %95'ini yakalamak için daha fazla gecikme bileşeni gerekebiliyor. Dış UMa ortamında ortalama yapı daha seyrek olmakla birlikte uzak yansımalar nedeniyle gecikme dağılımının kuyruğu uzayabiliyor.
Bu nedenle TAP tamamen sabit bir K yol sayısına bağlı değil; genel ortam kategorisine göre azami tahmin edilen yol sayısı ayarlanıyor. Çalışmada örnek olarak UMa için Kmax = 20, InF için Kmax = 90 ve CDL-A için Kmax = 40 kullanılıyor.
Çalışmanın desteklediği sonuçlar
- TAP, değerlendirilen benzetim ortamlarında fizik bilgili, tek geçişli gecikme kestirimi ile yüksek doğrulukta CSI sıkıştırması gerçekleştirebiliyor.
- Model boyutu test edilen TAP yapılandırmalarında 1 MB'ın altında kalıyor.
- Çıkarım süreleri TAP satırlarında yaklaşık 0,48–0,64 ms aralığında raporlanıyor.
- Farklı yayılım ortamlarına eğitim sonrası yeniden ince ayar yapılmadan transfer deneyleri gerçekleştirilmiş.
- Farklı anten dizilerine sıfır-atış aktarımında raporlanan CFR-NMSE bozulması incelenen geometrilerde 3 dB'nin altında kalmış.
- TAP'ın düşük CFR-NMSE'si, CDL-A sistem düzeyi deneyinde mükemmel CSI eğrisine yakın spektral verim sonuçlarına dönüşüyor.
- Nicemleme ve CSI-RS kestirim gürültüsü altında ayrıca dayanıklılık deneyleri yapılmış.
Çalışmanın desteklemediği veya henüz kanıtlamadığı sonuçlar
- Gerçek operatör şebekesinde ticari saha başarısı gösterilmemiştir.
- Gerçek over-the-air kanal ölçümleriyle simülasyondan gerçeğe aktarım doğrulanmamıştır.
- Mevcut TAP yapısının yakın-alan XL-MIMO için geçerli olduğu gösterilmemiştir.
- FR2 millimetre dalga ve hibrit beamforming koşulları mevcut sonuçlarla doğrulanmamıştır.
- Test edilen sıfır-atış genelleme, bütün olası kanal ortamlarında evrensel genelleme kanıtı değildir.
- Bir megabayt altındaki model boyutu ve alt-milisaniye gecikme, makaledeki yazılım/donanım ve benzetim koşullarının dışındaki bütün UE platformları için garanti değildir.
Çalışmanın Yöntemi ve Bulguları
Temel değerlendirme ölçütü: CFR-NMSE
Çalışma, yalnız CsiNet'in kırpılmış gecikme-açı yaması üzerinde hesaplanan “patch NMSE” değerini kullanmak yerine tam kanal frekans yanıtı matrisi üzerindeki CFR-NMSE'yi esas alıyor:
\[ \mathrm{NMSE} = 10\log_{10} \left( \frac{\lVert H-\hat{H}\rVert_F^2} {\lVert H\rVert_F^2} \right) \]
Bu ayrım önemlidir. CsiNet benzeri yöntem bir gecikme-açı yamasını kırptığında, yamanın dışında kalan kanal enerjisi sıfırlanıyor. Yazarlar Parseval bağıntısıyla gerçek CFR hatasının hem ağın yama üzerindeki yeniden yapılandırma hatasını hem de tamamen atılan yama dışı enerjiyi içerdiğini gösteriyor. Bu nedenle çalışmadaki karşılaştırmalar tam CFR-NMSE üzerinden yapılıyor.
TAP'ın beş ortamda raporlanan performansı
Aşağıdaki değerler çalışmanın Tablo III'ündeki sonuçlardır. CFR-NMSE dB cinsindendir; daha negatif değer daha düşük yeniden yapılandırma hatasını ifade eder.
| Ortam | Sıkıştırma oranı (CR) | −10 dB'den iyi örnek olasılığı (%) | P90 CFR-NMSE (dB) | P95 CFR-NMSE (dB) | Ortalama CFR-NMSE (dB) |
|---|---|---|---|---|---|
| UMa | 0,0124 | 92,71 | −11,38 | −8,29 | −20,25 |
| InF | 0,0558 | 99,65 | −20,31 | −16,38 | −31,25 |
| UMi | 0,0248 | 100,0 | −27,07 | −26,95 | −50,71 |
| InH | 0,0248 | 100,0 | −36,11 | −36,09 | −38,62 |
| CDL-A | 0,0248 | 100,0 | −32,15 | −31,15 | −35,76 |
Tablo III'ün ana mesajı yalnız ortalama değerlerin düşük olması değildir. UMa örneklerinin %92,71'i −10 dB'den daha iyi CFR-NMSE elde ederken, diğer dört ortamda bu oran %99,65 ile %100 arasında raporlanıyor. Bununla birlikte ortamlar aynı fiziksel koşullara ve aynı sıkıştırma oranlarına sahip değildir; bu nedenle satırlar doğrudan “hangi ortam daha kolaydır?” sıralaması olarak okunmamalıdır.
Sıkıştırma kalitesi ile geri bildirim yükü arasındaki denge
Şekil 8'de TAP, farklı sıkıştırma oranlarında bir Pareto eğrisi oluşturuyor. UMa ortamında TAP, CR = 0,0124 düzeyinde −21,22 dB NMSE rapor ederken, CR = 0,0012'ye kadar düşürüldüğünde dahi −18,10 dB elde ediyor. Makaledeki CsiNet-UPA karşılığı CR = 0,0224'te −9,14 dB olarak veriliyor.
InF örneğinde CsiNet-UPA, CR = 0,0105 ile −7,82 dB verirken TAP benzer CR = 0,0112'de −10,99 dB, CR = 0,0279'da ise −20,08 dB değerine ulaşıyor. Bu karşılaştırma TAP'ın yalnız hata değerine değil, hata ile geri bildirim yükünün birlikte oluşturduğu dengeye odaklandığını gösteriyor.
Model boyutu, gecikme ve hesaplama yükü
Tablo IV, yeniden yapılandırma doğruluğunu hesaplama maliyetiyle birlikte değerlendirmek açısından çalışmanın en önemli tablolarından biridir.
| Yöntem / ortam | CR | Model boyutu (MB) | Ortalama çıkarım süresi (ms) | GFLOPs | Ortalama NMSE (dB) |
|---|---|---|---|---|---|
| TAP / UMa | 0,0124 | 0,9921 | 0,6239 | 0,1527 | −21,22 |
| TAP / InF | 0,0558 | 0,4504 | 0,4824 | 0,0325 | −29,75 |
| TAP / CDL-A | 0,0248 | 0,9921 | 0,6433 | 0,0762 | −35,57 |
| TAP / UMi | 0,0248 | 0,9921 | 0,6228 | 0,1527 | −35,76 |
| TAP / InH | 0,0248 | 0,4504 | 0,4774 | 0,0325 | −38,42 |
| CsiNet-UPA / UMa | 0,0224 | 657,1579 | 0,7625 | 0,2634 | −8,74 |
| CsiNet-UPA / InF | 0,0105 | 144,5797 | 0,3614 | 0,0807 | −2,99 |
| CsiNet-UPA / CDL-A | 0,0071 | 66,1912 | 0,3656 | 0,0463 | −15,39 |
| OMP (K = 10) | 0,0024 | Uygulanmaz | 630,15 | Uygulanmaz | −31,16 |
| LASSO (CR = 0,25) | 0,2500 | Uygulanmaz | 88648,56 | Uygulanmaz | −30,22 |
| TVAL3 (CR = 0,25) | 0,2500 | Uygulanmaz | 1301,37 | Uygulanmaz | −1,59 |
| 3GPP Type-1 Codebook | 0,00008 | Uygulanmaz | 14,81 | Uygulanmaz | −5,95 |
| 3GPP Type-2 Codebook | 0,00016 | Uygulanmaz | 23,95 | Uygulanmaz | −8,47 |
Bu tablo TAP'ın iddiasını daha doğru çerçeveliyor: TAP her karşılaştırmada mutlak en düşük NMSE'yi vermiyor. Örneğin UMa TAP satırındaki −21,22 dB değeri OMP'nin −31,16 dB değerinden daha yüksek hata anlamına geliyor; fakat OMP'nin raporlanan 630,15 ms gecikmesine karşı TAP 0,6239 ms düzeyinde. LASSO da −30,22 dB ile güçlü yeniden yapılandırma doğruluğu gösteriyor ancak 0,25 sıkıştırma oranı ve 88648,56 ms işlem süresiyle tamamen farklı bir hesaplama/geri bildirim maliyetine sahip. Çalışmanın temel katkısı bu nedenle yalnız “en düşük hata” değil; doğruluk, gecikme, model boyutu ve sıkıştırma yükü arasındaki ortak denge.
CsiNet-UPA'nın UMa model boyutu 657,1579 MB iken aynı tabloda TAP-UMa 0,9921 MB'dır. Yazarların “yaklaşık 660 kat küçülme” ifadesinin kaynağı bu büyüklük farkıdır.
Farklı anten geometrilerine genelleme
Şekil 10'da model, eğitimde kullanılan anten geometrisinden farklı 4×16, 16×4 ve diğer UPA boyutlarına uygulanıyor. Çalışmaya göre üç ana eğitim ortamında eşleşmeyen geometrilere geçildiğinde CFR-NMSE bozulması eşleşen geometriye kıyasla 3 dB'nin altında kalıyor. Tablo II'deki 1×32 ULA deneyinde CsiNet-UPA ortalama −15,54 dB verirken farklı ortamlarda eğitilen TAP modelleri −25,88 ile −37,01 dB arasında ortalama CFR-NMSE raporluyor.
Ortamlar arası sıfır-atış genelleme
Şekil 9'da beş eğitim ortamı ile beş değerlendirme ortamından oluşan 5×5 bir matris bulunuyor. Her TAP modeli tek bir kaynak ortamda eğitilip diğer ortamlarda yeniden eğitim yapılmadan çalıştırılıyor. Örneğin InF üzerinde eğitilen model UMi değerlendirmesinde −47,16 dB CFR-NMSE; UMa üzerinde eğitilen model InH değerlendirmesinde −26,56 dB raporluyor.
Bu sonuçlar sıfır-atış ortam aktarımı için güçlü bir benzetim kanıtı sağlıyor. Bununla birlikte değerlendirme yine makalede tanımlanmış veri üretim ortamları arasında yapılmıştır; gerçek bir coğrafi saha veya bağımsız operatör ağına genelleme deneysel olarak test edilmemiştir.
Sistem düzeyinde spektral verim
Şekil 11'de CDL-A ortamındaki yeniden yapılandırılmış CSI, baz istasyonunda doğrusal uzamsal ön kodlayıcı oluşturmak için kullanılıyor. TAP eğrisi incelenen SNR aralığında “Perfect CSI” üst sınırını yakından takip ediyor. CsiNet-UPA ve bazı diğer yöntemlerde CFR genlik ve faz bozulmaları daha belirgin spektral verim kaybına dönüşüyor.
Bu deney, düşük CFR-NMSE'nin yalnız soyut bir hata metriği olmadığını, aynı simülasyon çerçevesinde aşağı bağlantı spektral verimine de yansıdığını gösteriyor. Ancak sonuç gerçek kullanıcı veri hızı ölçümü değil, yeniden yapılandırılmış CSI'dan türetilen sistem düzeyi simülasyonudur.
Nicemleme altında ne oluyor?
Gerçek geri bildirimde sürekli genlik değerlerinin sonlu bit dizisine dönüştürülmesi gerekir. Şekil 12'de uzamsal genliklara farklı bit genişliklerinde uniform scalar quantization uygulanıyor. TAP'ın nicemlenmemiş hata tabanı yaklaşık −35,4 dB olduğu için bit sayısı düştükçe nicemleme gürültüsünün etkisi daha görünür hâle geliyor. Buna rağmen yazarların sonuçlarında TAP, yaklaşık 4–6 bit/latent boyut seviyelerinde dahi karşılaştırılan temel yöntemlerden daha düşük mutlak CFR-NMSE'yi koruyor.
CSI-RS kestirim gürültüsüne dayanıklılık
Şekil 13, UE'ye ulaşan ilk kanal kestiriminin gürültülü olduğu durumda yöntemi inceliyor. UMa ve InF sonuçlarında TAP'ın performansı düşük CSI-RS SNR değerlerinde dahi görece korunuyor. Yazarlar bunu iki mekanizmayla açıklıyor: anten elemanlarının ortak fiziksel gecikmeleri üzerinde yapılan uzamsal ortalama ve geçmiş CFR örneklerinden gelen zamansal bağlam.
Bu açıklamayı sınamak için CDL-A testinde zamansal pencere uzunluğu özellikle W = 1 tutuluyor. CDL-A eğrisinin daha hızlı bozulması, çalışmanın kendi ablasyon mantığında zamansal geçmişin gürültü dayanıklılığına önemli katkı verdiğini destekliyor.
En önemli matematiksel sınırlama: yakın-alan XL-MIMO
TAP'ın mevcut modeli uzak-alan varsayımında her fiziksel yol için antenler arasında ortak bir gecikme kullanıyor. Yakın-alan XL-MIMO'da ise küresel dalga cephesi nedeniyle aynı yolun varış gecikmesi anten elemanına göre değişebilir:
\[ [h_{l,m}]_k = \alpha_{l,m} \exp\left[-j2\pi f_k(\tau_l+\Delta\tau_{l,m})\right] \]
TAP tek bir ortak \(\hat{\tau}_l\) kullanırken LS çözücüsü her anten için yalnız frekanstan bağımsız bir karmaşık faz/genlik katsayısı ayarlayabilir. Kaynakta elde edilen artık faz hatası:
\[ \epsilon_{m,k} = -2\pi f_k\Delta\tau_{l,m} -\theta_m \]
şeklindedir. İlk terim frekansla değişen bir faz eğimidir; ikinci terim ise LS'nin uygulayabildiği sabit faz kaymasıdır. Bu nedenle LS çözümü faz eğimini ortadan kaldıramaz. Yazarlar mevcut TAP mimarisinin yakın-alan XL-MIMO'ya doğrudan genişletilemeyeceğini açıkça kabul ediyor.
Genel bilimsel değerlendirme
Çalışmanın en güçlü yönü, sinir ağını tüm CSI matrisini soyut bir latent uzaya sıkıştırmak için kullanmak yerine fiziksel olarak anlamlı çok yollu gecikmelerin kestirimine odaklamasıdır. Gecikmeler neural ağdan, karmaşık genliklar analitik LS çözümünden, baz istasyonu rekonstrüksiyonu ise fiziksel Fourier sözlüğünden geliyor. Bu ayrım model boyutunun anten geometrisinden daha bağımsız kalmasına ve baz istasyonunda öğrenilmiş decoder ihtiyacının ortadan kalkmasına yardımcı oluyor.
Diğer güçlü yön, yalnız ortalama NMSE raporlamakla yetinilmemesi; P90/P95 hata seviyeleri, sıkıştırma-NMSE Pareto analizi, ortam transferi, anten geometrisi transferi, hesaplama yükü, sistem düzeyi spektral verim, nicemleme ve CSI-RS gürültüsü gibi farklı testlerin birlikte verilmesidir.
En önemli sınırlama ise bütün bu sonuçların simülasyon ve simülasyon tabanlı veri kümeleri içinde kalmasıdır. Yazarlar da gelecek çalışmada gerçek over-the-air kanal ölçümleriyle sim-to-real boşluğunun test edilmesini, yakın-alan MIMO'ya ve FR2 millimetre dalga sistemlerine genişletilmesini gerekli görüyor.
Kaynak ve Yöntem Notu
Tam özgün çalışma adı: Temporal Channel Estimation for Generalized CSI Feedback
Yazarlar ve sıraları: Minwoo Kim; Hyeonsu Lyu; Sehyun Ryu; Sojeong Park; Hyun Jong Yang.
Eş katkı/eş birinci yazar: Yüklenen sürümde eş katkı veya eş birinci yazarlık beyanı bulunmamaktadır.
Sorumlu yazar: Hyun Jong Yang.
Kurumlar: Kaynakta Minwoo Kim, Sehyun Ryu ve Sojeong Park, Department of Electrical Engineering, Pohang University of Science and Technology (POSTECH), Pohang 37673, South Korea ile ilişkilendirilmektedir. Hyeonsu Lyu ve Hyun Jong Yang için “Institute of New Media and Communications, Seoul 08826, South Korea” ifadesi yer almaktadır. Hyun Jong Yang ayrıca Department of Electrical and Computer Engineering, Seoul National University, Seoul 08826, South Korea ile ilişkilendirilmiştir. Kaynaktaki afiliyasyon satırında eksik kapanış/noktalama bulunduğundan bu metin sessizce yeniden kurgulanmamıştır.
Kaynak türü ve yayın durumu: Bu çalışma hakem değerlendirmesinden geçmemiş bir preprinttir; sonuçları bu yayın aşaması dikkate alınarak değerlendirilmelidir.
Platform: arXiv, Electrical Engineering and Systems Science / Signal Processing (eess.SP).
arXiv kimliği: arXiv:2608.01713v1.
Gönderim tarihi: 3 Ağustos 2026.
DOI: 10.48550/arXiv.2608.01713. Bu DOI arXiv tarafından DataCite üzerinden arXiv kaydı için sağlanan DOI'dir; hakemli bir dergi DOI'si olarak yorumlanmamalıdır.
Resmî bağlantı:https://arxiv.org/abs/2608.01713
Dergi / konferans / yayınevi: İncelenen sürümde hakemli bir dergi veya konferans yayını belirtilmemektedir.
Lisans: arXiv.org non-exclusive distribution license. Bu lisans Creative Commons yeniden kullanım lisansı olarak değerlendirilmemiş; bu nedenle kaynak makalenin özgün şekilleri doğrudan kopyalanmamıştır.
Finansman: İncelenen sürümde ayrı bir finansman beyanı bulunmamaktadır.
Veri erişilebilirliği: İncelenen sürümde ayrı bir veri erişilebilirliği beyanı bulunmamaktadır.
Çıkar çatışması: İncelenen sürümde ayrı bir çıkar çatışması beyanı bulunmamaktadır.
CRediT/yazar katkıları: İncelenen sürümde CRediT veya ayrıntılı yazar katkı beyanı bulunmamaktadır.
Kaynak içi editoryal tutarsızlıklar: Birinci sayfada “Manuscript received April 19, 2021; revised August 16, 2021” metni bulunmasına karşın çalışma arXiv'de 2026 tarihli olarak sunulmuş ve kaynakçası 2026 yılı yayınlarını da içermektedir. Bu nedenle 2021 tarihleri gerçek güncel gönderim/revizyon tarihleri olarak kullanılmamıştır. Ayrıca katkılar bölümündeki alt-grid çıkarıcı tanımı ile Denklem 23'teki açık parabolik enterpolasyon tanımı birbiriyle tam örtüşmemektedir. Performans iyileştirmesine ilişkin özet, katkılar ve sonuç bölümlerinde de farklı dB aralıkları kullanılmıştır; bu nedenle Verianla metni karşılaştırmalı tabloların doğrudan sayısal değerlerini esas almıştır.
Yöntemsel sınır: Sonuçlar Sionna RT, DeepMIMO, Sionna-PHY/CDL-A ve ilgili simülasyon düzeneklerine dayanmaktadır. Çalışma gerçek saha/over-the-air doğrulaması sunmamaktadır. Mimari uzak-alan ortak-gecikme varsayımına bağlıdır ve yakın-alan XL-MIMO için yapısal sınırlılık açıkça gösterilmiştir.
İçerik yöntemi: Bu Verianla açıklaması bilimsel bulgular açısından yalnız incelenen çalışmaya dayanmaktadır. Dış kaynaklar yalnız başlık, yazar sırası, arXiv kimliği, DOI, yayın durumu ve lisans gibi bibliyografik alanların doğrulanması için kullanılmış; çalışmaya dışarıdan yeni bilimsel deney, performans sonucu veya mekanizma eklenmemiştir.
Bir yorum bırakın
E-posta adresiniz yayınlanmayacaktır. Gerekli alanlar * ile işaretlenmiştir