用于大规模 MIMO 检测的退火朗之万动力学
信号处理
2023-03-20 v2
摘要
求解多输入多输出（MIMO）系统的最优符号检测问题已知是 NP 难的。因此，任何具有实际意义的检测器的目标是在保持计算复杂度可控的同时，合理接近最优解。本工作中，我们提出一种基于退火版朗之万（随机）动力学的 MIMO 检测器。更确切地说，我们定义一个随机动力学过程，其平稳分布与给定观测下符号的后验分布一致。本质上，这使我们能通过从所提朗之万动力学中采样来近似传输符号的最大后验估计。此外，我们通过向轨迹逐渐添加方差递减的噪声序列来精心构造该随机动力学，从而确保估计符号属于预先指定的离散星座。基于所提 MIMO 检测器，我们还通过将一项——似然的分数——展开并用神经网络参数化，设计了该方法的鲁棒版本。通过在合成与真实数据上的数值实验，我们表明所提检测器取得了最先进的符号错误率性能，且鲁棒版本对噪声方差未知具有不变性。
引用
@article{arxiv.2205.05776,
title = {Annealed Langevin Dynamics for Massive MIMO Detection},
author = {Nicolas Zilberstein and Chris Dick and Rahman Doost-Mohammady and Ashutosh Sabharwal and Santiago Segarra},
journal= {arXiv preprint arXiv:2205.05776},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:2202.12199