基于深度展开的mmWave大规模MIMO联合通信与探测
信号处理
2024-11-28 v1
摘要
本文提出了一种基于深度展开的低复杂度快速混合波束设计，用于联合通信与探测(JCAS)。首先，我们推导了通信求和速率和探测波束图误差相对于模拟发射器和数字发射器的梯度的闭式表达式。基于此，我们开发了一个作为投影梯度上升算法展开版本的深度神经网络，称为UPGANet。该方法通过学习步长实现了快速收敛，高效地优化通信-探测性能之间的权衡。UPGANet保留了传统PGA优化器的可解释性和灵活性，同时通过数据训练提升了性能。我们的仿真结果表明，UPGANet在基于连续凸近似和黎曼流形优化的传统设计之外，实现了最高可达33.5%的通信求和速率提升和2.5 dB的波束图误差降低。此外，它相对于未展开的PGA在运行时间和计算复杂度上降低了最高可达65%。
引用
@article{arxiv.2411.17747,
title = {Deep Unfolding-Empowered MmWave Massive MIMO Joint Communications and Sensing},
author = {Nhan Thanh Nguyen and Ly V. Nguyen and Nir Shlezinger and Yonina C. Eldar and A. Lee Swindlehurst and Markku Juntti},
journal= {arXiv preprint arXiv:2411.17747},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:2307.04376