面向稀疏大规模 MIMO 信道波束赋形的编码器-解码器网络
系统与控制
2025-10-06 v1 信息论
机器学习
系统与控制
信号处理
math.IT
摘要
我们开发了一个用于大规模稀疏 MIMO 信道下行链路波束赋形的端到端深度学习框架。其核心是具有三个模块的深度 EDN 架构： 编码器神经网络，部署在每个用户端，将估计的下行链路信道压缩为低维潜在向量。来自每个用户的潜在向量被压缩后反馈给基站 (BS)。 基站端的波束赋形器解码器神经网络，将恢复的潜在向量映射为波束赋形器； 基站端的信道解码器神经网络，从恢复的潜在向量重建下行链路信道以进一步优化波束赋形器。EDN 的训练利用了两个关键策略： 半摊销学习，其中波束赋形器解码器神经网络在训练和推理阶段均包含解析梯度上升； 知识蒸馏，其中损失函数由监督项和无监督项组成，从使用 MMSE 波束赋形器的监督训练开始，随着训练轮次的增加，模型训练逐渐转向使用和速率目标的无监督训练。所提出的 EDN 波束赋形框架被扩展到远场和近场混合波束赋形场景。大量仿真验证了其在不同网络和信道条件下的有效性。
引用
@article{arxiv.2510.02355,
title = {An Encoder-Decoder Network for Beamforming over Sparse Large-Scale MIMO Channels},
author = {Yubo Zhang and Jeremy Johnston and Xiaodong Wang},
journal= {arXiv preprint arXiv:2510.02355},
year = {2025}
}
备注
13 pages, 9 figures, submitted to TCOM and is waiting for reviews