通过设计的训练数据实现无线信道估计神经网络的鲁棒泛化
信号处理
2023-02-07 v1 人工智能
摘要
在本文中，我们提出了一种设计训练数据的方法，该方法可以支持训练后的神经网络对未见信道的鲁棒泛化。我们描述并分析了所提出的改进泛化的设计。它避免了在线训练未见信道的需求，因为在线训练是一种内存和计算密集型的解决方案，尤其对于电池供电的移动终端。为了证明所提方法的有效性，我们使用不同标准建模的信道和衰落建模进行仿真。我们还使用基于注意力的结构和卷积神经网络来评估所实现的泛化结果。仿真结果表明，训练后的神经网络在未见信道上保持几乎相同的性能。
引用
@article{arxiv.2302.02302,
title = {Achieving Robust Generalization for Wireless Channel Estimation Neural Networks by Designed Training Data},
author = {Dianxin Luan and John Thompson},
journal= {arXiv preprint arXiv:2302.02302},
year = {2023}
}
备注
Accepted by ICC 2023