面向通用 MISO 波束成形的深度学习方法
信息论
2020-07-10 v2 机器学习
信号处理
math.IT
摘要
本文研究用于优化下行多用户多天线系统中波束成形向量的深度学习(DL)方法，该方法可普遍适用于基站任意给定的发射功率限制。我们利用总功率预算作为侧信息，使深度神经网络(DNNs)能够有效学习功率约束在波束成形优化中的影响。因此，所提出的通用 DL 方法仅需一次训练过程，而传统方法需要针对所有可能的功率预算水平训练多个 DNN。数值结果证明了所提 DL 方法相对于现有方案的有效性。
引用
@article{arxiv.2007.00841,
title = {Deep Learning Methods for Universal MISO Beamforming},
author = {Junbeom Kim and Hoon Lee and Seung-Eun Hong and Seok-Hwan Park},
journal= {arXiv preprint arXiv:2007.00841},
year = {2020}
}
备注
to appear in IEEE Wireless Communications Letters (5 pages, 3 figures, 2 tables)