基于深度学习的 MU-MISO 系统高效符号级预编码设计
信息论
2021-04-21 v1 信号处理
math.IT
摘要
近年来出现的符号级预编码（SLP）技术被视为多用户无线通信系统中的一种有前景的解决方案，因为它能将有害的多用户干扰（MUI）转化为有益信号以提升系统性能。然而，传统符号级预编码设计的巨大计算复杂度严重阻碍了其实用化部署。为应对该困难，我们提出一种基于深度学习（DL）的新方法来高效设计符号级预编码器。具体地，在本文中我们考虑多用户多输入单输出（MU-MISO）下行链路系统。引入一种高效预编码神经网络（EPNN）来优化符号级预编码器，以在功率约束下最大化所有用户的最小服务质量（QoS）。仿真结果表明，与基于传统凸优化的 SLP 设计相比，所提出的基于 EPNN 的 SLP 设计能以轻微性能损失为代价大幅减少计算时间。
引用
@article{arxiv.2104.09799,
title = {Deep Learning based Efficient Symbol-Level Precoding Design for MU-MISO Systems},
author = {Zhu Bo and Rang Liu and Ming Li and Qian Liu},
journal= {arXiv preprint arXiv:2104.09799},
year = {2021}
}
备注
5 pages, 5 figures, 2 tables, submitted to IEEE Transactions on Vehicular Technology