基于元学习的 MU-MIMO 波束成形梯度下降算法
信号处理
2022-10-28 v2
摘要
多用户多输入多输出（MU-MIMO）波束成形设计通常被表述为一个非凸的加权求和速率（WSR）最大化问题，已知为 NP-hard。该问题或通过迭代算法求解（收敛缓慢），或近期通过使用深度学习工具求解（需耗时的预训练过程）。本文中，我们提出一种低复杂度的基于元学习的梯度下降算法。应用轻量架构的元网络学习自适应梯度下降更新规则以直接优化波束成形器。该轻量网络在迭代优化过程中训练，我们称之为“求解时训练”，从而消除了现有基于深度学习的方案所需的训练过程与数据依赖性。大量仿真表明，所提方法相较现有基于学习的方法以及传统 WMMSE 算法取得了更优的 WSR 性能，同时计算负载显著降低。
引用
@article{arxiv.2210.13279,
title = {A Meta-Learning Based Gradient Descent Algorithm for MU-MIMO Beamforming},
author = {Jing-Yuan Xia and Zhixiong Yang and Tong Qiu and Huaizhang Liao and Deniz Gunduz},
journal= {arXiv preprint arXiv:2210.13279},
year = {2022}
}