⚡ electrical engineering

Deep Learning-Assisted Multicast Subgrouping in Massive MIMO

本文提出了一种深度学习辅助框架，该框架利用主成分分析（PCA）和长短期记忆（LSTM）网络，通过空间信道统计特性推断最优组播子群配置，并结合迁移学习技术，在克服导频开销和最差用户效应的同时，高效地实现大规模MIMO系统频谱效率的最大化。

原作者： Alejandro de la Fuente, Leopoldo Carro-Calvo, Giovanni Interdonato

发布于 2026-06-25

📖 1 分钟阅读☕ 轻松阅读

原作者： Alejandro de la Fuente, Leopoldo Carro-Calvo, Giovanni Interdonato

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一个巨大的音乐厅（基站），里面有数百个扬声器（天线）试图为成千上万名观众（用户）播放同一首歌曲。

在传统的设置中，音响工程师面临两个糟糕的选择：

“独角兽”方案： 给每一个人都配备一个私人扬声器和独特的歌曲版本。这对每个人来说听起来都很棒，但需要数千个麦克风先向工程师传达信息（这会产生过多的导频开销/Pilot Overhead），导致系统不堪重负。
“一刀切”方案： 向整个房间播放一个巨大的广播。这很高效，但音量受限于位置最差的那个人（最差用户效应/Worst-User Effect）。如果某个人坐得太远或视野不好，整个房间都必须调低音量才能让他听清。

问题所在：这个“人群”是混乱的

论文指出，人群并不是随机分布的。人们自然地聚集在一起。有些人坐在靠近舞台的位置，视野清晰；而另一些人则坐在后排，视野较差。如果你把整个人群看作一个整体，你就会错失在不影响后排的情况下，给前排提供更响亮、更清晰信号的机会。

目标是将人群划分为更小的、更智能的组（子组/Subgroups），依据是他们坐的位置以及他们听声音的方式。但问题在于：你应该分成多少组？

如果你分成 1 组，就会出现“视野差”的问题。
如果你分成 1,000 组，就需要 1,000 个麦克风（成本太高）。
如果你随机猜测，可能会得到一个效果很差的混乱组合。

解决方案：一个 AI “人群管理者”

作者提出了一种深度学习系统（具体使用了一种称为 LSTM 的 AI 类型），它扮演着专家级人群管理者的角色。AI 不再询问每一个人的听觉感受，而是观察“空间统计数据”——基本上就是一张关于人们坐在哪里以及声波如何在他们周围反射的地图。

以下是该 AI 的工作步骤：

1. “快照”与“压缩”（PCA）

想象拍摄一张人群的照片。这张照片巨大且细节丰富。AI 首先使用一种称为 PCA（主成分分析）的技术，将这张巨大的照片缩小成一张小巧、易于处理的“缩略图”，同时保留最重要的细节（例如：“左侧人群密集”以及“右侧是空的”）。

2. “记忆”（LSTM）

随后，AI 将这些缩略图输入到 长短期记忆网络（LSTM） 中。你可以把它想象成一个逐一阅读人群信息的经理，并记住其中的模式。

“好的，A 人员在这里。B 人员就在附近。他们看起来很相似。把他们归为一组。”
“C 人员离得很远。他们需要不同的组。”
“等等，D 人员处在一个完全不同的位置。也许我们需要第三个组。”

这个 AI 的神奇之处在于，它不需要预先知道房间里有多少人。它可以处理 40 人或 120 人的规模，并依然能找出最佳的分组数量。

3. “迁移学习”升级

作者加入了一个特别的技巧，叫做迁移学习（Transfer Learning）。

首先，AI 学习计数： 它接受训练来通过观察人群图谱来猜测：“基于这张人群图，我们可能需要 4 个组。”
然后，AI 学习预测结果： AI 不仅仅是进行猜测，它还会经过微调来预测：“如果我们使用 4 个组，总体的频谱效率（Spectral Efficiency）将是 X。如果使用 5 个，则是 Y。”

这使得 AI 能够跳过试错阶段。它不需要测试每一种可能的组合来寻找最优解；它只需看一眼地图就能说：“4 组是最完美的平衡点。”

结果：为什么这很重要

论文将此 AI 与其他方法进行了对比测试：

随机猜测： AI 的表现要好得多。
DBSCAN（一种标准的聚类工具）： AI 的表现更优，尤其是在人群分布稀疏或混乱的情况下。DBSCAN 像是一本死板的规则书，而 AI 则更加灵活。
单播（Unicasting，即每人一个组）： AI 的效率更高，节省了大量的“麦克风”资源。

大获全胜： 该 AI 实现了理论完美性能的 85%，而且无需预先知道人群的具体布局。即使数据有些模糊或不完美，它依然有效。

“现实世界”的类比

想象一位老师试图教 100 名学生。

旧方法： 老师同时对全班说话。聪明的孩子觉得无聊，而后面的孩子听不见。
新方法（本文方法）： 老师配备了一位 AI 助手。助手观察教室，看到前排有 30 个孩子，后排有 20 个，还有 50 个分散在各处。AI 告诉老师：“把班级分成 3 组。A 组用投影仪，B 组用白板，C 组发讲义。”
结果： 每个人都学得更好，而且老师不需要为 100 个学生分别编写 100 份不同的教案。

总结

这篇论文展示了一种智能的、由 AI 驱动的方式来组织大规模无线网络。它不再强迫所有人挤在一个组里，也不再给每个人单独的频道，而是利用深度学习，根据人们站立的位置动态地确定最佳的分组数量。它节省了资源，提高了速度，并且在数据并不完美的情况下依然行之有效。

技术摘要：大规模 MIMO 中基于深度学习的多播子组划分

问题陈述
大规模多输入多输出（mMIMO）多播中的高效内容传输受限于两个主要因素：导频开销和“最差用户效应”。在传统多播中，必须使用单一传输速率来服务所有用户，这导致性能受限于信道条件最差的用户。此外，为每个用户分配正交导频（单播）在大规模系统中会产生难以承受的开销。虽然多播子组划分（将用户划分为具有相似空间信道统计特性的子集以应用不同的预编码器）提供了一种解决方案，但确定最优子组数量（ $G$ ）仍然是一个具有挑战性且在很大程度上尚未解决的问题。现有的启发式方法（例如固定 $G$ 的 K-means）或基于密度的聚类（例如 DBSCAN）往往无法适应异构的用户分布，或者需要通过穷举搜索来寻找使总频谱效率（SE）最大化的 $G$ 。

方法论
本文提出了一个深度学习辅助框架，直接从用户的空间信道统计特性（协方差矩阵）中推断出最优的多播子组数量，而无需瞬时信道状态信息（CSI）。该方法在一个可扩展的 CSI 获取模型下运行，其中每个子组复用一个导频。

核心方法论由三个主要阶段组成：

输入预处理（特定快照的 PCA）： 由于不同场景下的用户数量（ $K$ ）各不相同，作者采用了针对每个快照的特征值分解（PCA）。该过程将变长空间协方差矩阵转换为固定长度的表示形式，即主成分（PC）得分。如果用户数量少于最大系统容量（ $K_{max}$ ），则对输入向量进行零填充，以保持神经网络的一致维度。
序列编码（LSTM）： 长短期记忆网络（LSTM）处理用户 PC 得分的序列。选择 LSTM 是因为它能够处理变长序列并捕捉用户间的潜在空间依赖关系。该架构包含一种“数据复制”增强机制，即通过复制输入数据始终填满 $K_{max}$ 个时间步，从而优化模型的内部状态并提高对可变用户数量的鲁棒性。
输出与迁移学习（TL）：
- 基础模型： 初始模型将子组推断视为多输出分类任务。它在单次前向传播中预测单个用户子集内逐渐增大的子组数量（ $G$ ）的概率分布。
- 迁移学习扩展（LSTM-TL-SE）： 为了进一步优化性能，引入了迁移学习方法。预训练的 LSTM 编码器（冻结）用于提取空间特征，而轻量级的全连接层头（dense head）经过微调后，可直接预测不同候选子组数量下的归一化总和频谱效率（sum SE）。最优的 $G$ 被选择为预测 SE 最大化的那个，从而绕过了穷举搜索。

核心贡献

LSTM 辅助的子组划分机制： 一种新型框架，通过空间协方差结构推断多播子组的数量，能够适应可变的用户集大小，而不依赖启发式假设。
特定快照的 PCA 流水线： 一种预处理技术，将变长的协方差矩阵转换为针对每个特定用户分布快照定制的固定长度特征表示。
用于 SE 估计的迁移学习： 一种扩展方法，通过复用空间特征提取器来直接预测总和频谱效率，从而实现近乎最优的子组选择，无需进行详尽评估。
业务内子组划分策略： 一种在保持多播语义（单一内容流）的同时，通过针对统计同质子集定制多个预编码器来提高物理层效率的方法。
全面评估： 通过广泛的仿真，验证了该方法在聚类型和稀疏型用户分布下的表现，并将其与包括单播、传统多播、随机子组划分和 DBSCAN 聚类在内的基准进行了对比。

结果
在单小区 mMIMO 场景（64 天线，最多 120 个用户）下的仿真结果表明：

性能： 所提出的 LSTM (TL-SE) 模型达到了理论最大总和频谱效率（通过穷举搜索得到的上界）的 85.2%。它优于表现最好的实用基准 DBSCAN (79.2%)，并且在多种场景下显著超过了单播 (67.2%) 和传统多播 (71.4%)。
鲁棒性： 该模型在聚类场景（子组划分有益）和稀疏场景（自然回归为类似单播的行为， $G \approx K$ ）中均能保持高性能。
非理想 CSI： 在存在扰动协方差信息（模拟估计误差）的情况下，迁移学习模型表现出最高的韧性，即使在存在显著失配（ $\alpha=0.5$ ）时，仍能保持约 80.1% 的理论上界性能，表现优于 DBSDC。
泛化能力： 当应用于无需重新训练的无小区（Cell-Free, CF-mMIMO）场景时，在单小区数据上训练的模型在最优子组配置上的偏差很小，表明所学习的空间结构推断在不同网络架构间具有泛化性。
复杂度： 该方法随用户数和天线数的增加呈多项式级扩展，为需要完整瞬时 CSI 的优化波束赋形方法提供了一种计算高效的替代方案。

意义与声明
本文声称提出了首个结合了特定快照降维、用户协方差结构序列建模以及用于频谱效率预测的迁移学习于多播子组划分的框架。

作者强调，该方法是专门为导频受限的 mMIO 领域设计的，在该领域中，获取完整的逐用户瞬时 CSI 是不可行或成本过高的。通过从大规模空间统计中推断子组结构，该方法实现了自适应的子组配置，在不增加线性导频开销的前提下缓解了最差用户效应。这项工作突出了模型学习了管理子组划分的底层空间结构，使其能够正确识别何时进行子组划分是有益的（聚类用户），以及何时并非如此（稀疏用户），从而为动态且不可预测的用户拓扑提供了稳健的解决方案。作者也客观地指出，虽然该框架在结构上具有良好的泛化性，但从子组配置到特定频谱效率的映射仍具有系统相关性，未来的研究应探索实际测量活动及多小区干扰。