基于小批量梯度的去中心化大规模MIMO检测MCMC方法
机器学习
2024-07-29 v1 信息论
math.IT
机器学习
摘要
大规模多输入多输出(MIMO)技术显著提升了细胞通信的频谱和功率效率，预计将进一步演进为超大规模MIMO。然而，集中式MIMO面临实际障碍，包括过大的计算复杂度和大量的基带数据需要交换。为此，去中心化基带处理作为一种有前景的解决方案。该方法将天线阵列划分为具有专用计算硬件的集群，以进行并行处理。本文研究了梯度基的Markov链蒙特卡罗(MCMC)方法——一种在集中式实现中表现接近最优的高级MIMO检测技术——在去中心化基带处理架构中的应用。这种去中心化设计通过利用分布式并行方式的计算资源来减轻单个处理单元的计算负担。此外，我们将小批量随机梯度下降方法集成到所提出的去中心化检测器中，实现了高效的优异性能。仿真结果表明，本文所提出的方法在各种场景下均优于现有的去中心化检测器。更重要的是，复杂度分析揭示了在计算延迟和互连带宽方面相较于传统集中式检测器的优势。
引用
@article{arxiv.2407.18488,
title = {Conversational Dueling Bandits in Generalized Linear Models},
author = {Shuhua Yang and Hui Yuan and Xiaoying Zhang and Mengdi Wang and Hong Zhang and Huazheng Wang},
journal= {arXiv preprint arXiv:2407.18488},
year = {2024}
}