基于循环神经网络的用户中心化无蜂窝大规模 MIMO 中可扩展 UE-AP 关联的通用框架
机器学习
2025-03-07 v1 信号处理
机器学习
摘要
本研究针对无蜂窝大规模 MIMO 网络中接入点 (AP) 与用户设备 (UE) 的关联问题。我们提出了一种利用双向长短期记忆单元和混合概率权重更新方法的深度学习算法。该方法通过适应 UE 数量的变化来增强可扩展性，无需重新训练。此外，本研究提出了一种训练方法，不仅在 UE 数量方面而且在 AP 数量方面提升了可扩展性。此外，所提出的 AP-UE 算法的一个变体确保了对导频污染效应的鲁棒性，这是信道估计中导频复用引发的一个关键问题。广泛的数值结果验证了所提方法的有效性和适应性，展示了其优于广泛使用的启发式替代方案。
引用
@article{arxiv.2503.04278,
title = {A General Framework for Scalable UE-AP Association in User-Centric Cell-Free Massive MIMO based on Recurrent Neural Networks},
author = {Giovanni Di Gennaro and Amedeo Buonanno and Gianmarco Romano and Stefano Buzzi and Francesco A. N. Palmieri},
journal= {arXiv preprint arXiv:2503.04278},
year = {2025}
}
备注
submitted to IEEE journal