通信中神经网络的压缩与加速

深度学习（DL）在信号处理和通信中取得了巨大成功，并已成为未来无线通信的一项有前景的技术。现有工作主要集中于利用 DL 提升通信系统的性能。然而，高内存需求和高计算复杂度构成了基于 DL 的通信实际部署的主要障碍。在本文中，我们研究如何压缩和加速通信系统中的神经网络（NNs）。在介绍基于 DL 的通信算法的部署挑战后，我们讨论了一些代表性的 NN 压缩与加速技术。随后，给出了两个用于多输入多输出（MIMO）通信的案例研究，包括基于 DL 的信道状态信息反馈和信号检测，以展示这些技术的可行性和潜力。我们最后指出了基于 DL 的通信中 NN 压缩与加速的一些挑战，并为后续研究提供了指导。