一种基于元学习的速率分割多址预编码器优化框架
信号处理
2023-10-04 v2 信息论
机器学习
math.IT
摘要
在本文中，我们提出使用一种基于元学习的预编码器优化框架，在发送端具有部分信道状态信息（CSIT）的情况下直接优化速率分割多址（RSMA）预编码器。通过利用紧凑神经网络过拟合以最大化显式平均和速率（ASR）表达式，我们有效规避了对任何其他训练数据的需求，同时最小化了总运行时间。数值结果表明，基于元学习的解决方案在中规模场景下取得了与传统预编码器优化相似的ASR性能，并在大规模场景下显著优于次优低复杂度预编码器算法。
引用
@article{arxiv.2307.08822,
title = {A Meta-Learning Based Precoder Optimization Framework for Rate-Splitting Multiple Access},
author = {Rafael Cerna Loli and Bruno Clerckx},
journal= {arXiv preprint arXiv:2307.08822},
year = {2023}
}