基于决策反馈的上下文学习符号检测在块衰落信道中
信息论
2024-11-13 v1 机器学习
信号处理
math.IT
机器学习
摘要
预训练Transformer通过上下文学习（ICL）展示了利用示例提示适应新任务的卓越能力，且无需模型更新。基于Transformer的无线接收机，其提示由导频数据组成，形式为发射和接收信号对，在导频数据丰富时显示出高估计精度。然而，导频信息在实践中往往昂贵且有限。本工作提出\underline{DE}cision \underline{F}eedback \underline{IN}-Cont\underline{E}xt \underline{D}etection（DEFINED）解决方案作为一种新型无线接收机设计，它绕过信道估计，直接利用（有时极其）有限的导频数据执行符号检测。DEFINED的关键创新是ICL中的决策反馈机制，我们将检测到的符号顺序纳入提示，以改进后续符号的检测。跨广泛无线通信设置的大量实验表明，DEFINED实现了显著性能提升，某些情况下仅需单个导频对。
引用
@article{arxiv.2411.07600,
title = {Decision Feedback In-Context Symbol Detection over Block-Fading Channels},
author = {Li Fan and Jing Yang and Cong Shen},
journal= {arXiv preprint arXiv:2411.07600},
year = {2024}
}