面向大规模MIMO系统的深度学习辅助禁忌搜索检测
信息论
2019-09-05 v1 机器学习
math.IT
摘要
在本研究中，我们考虑将深度学习（DL）应用于大规模多输入多输出（MIMO）系统中的禁忌搜索（TS）检测。首先，我们提出一种用于符号检测的深层神经网络架构，称为快速收敛稀疏连接检测网络（FS-Net），其通过对已有检测网络DetNet与ScNet的优化得到。然后，我们提出DL辅助的TS算法，其中初始解由所提FS-Net近似给出。此外，在该算法中，基于由FS-Net初始解确定的预测近似误差，执行自适应早终止算法与改进的搜索过程，从而更早达到最优解。仿真结果表明，对于采用QPSK的 MIMO系统，所提算法相较现有TS算法实现了约90%的复杂度降低，同时保持几乎相同的性能。
引用
@article{arxiv.1909.01683,
title = {Deep Learning-Aided Tabu Search Detection for Large MIMO Systems},
author = {NhanThanh Nguyen and Kyungchun Lee},
journal= {arXiv preprint arXiv:1909.01683},
year = {2019}
}