面向下一代收发机的深度展开技术
信号处理
2023-05-16 v1 信息论
机器学习
math.IT
摘要
未来无线网络对超高数据速率、极高可靠性和低时延的严苛性能要求，正推动全球范围内对下一代多输入多输出（MIMO）收发机的研究。在无线通信先进收发机的设计中，常导向迭代算法的优化方法已在MIMO收发机上取得巨大成功。然而，这些算法通常需要大量迭代才能收敛，这带来了可观的计算复杂度，且往往需要对各种参数进行精细调优。随着深度学习的发展，用深度神经网络（DNNs）逼近迭代算法可显著减少计算时间。但DNNs通常导致黑盒求解器，需要大量数据且训练时间长。为进一步克服这些挑战，深度展开（deep-unfolding）应运而生，它通过将迭代算法展开为类似于DNNs的逐层结构，融合了深度学习与迭代算法的优势。本文首先梳理了基于矩阵参数的收发机深度展开框架及其最新进展，随后介绍了在下一代先进收发机设计中应用深度展开方法的一些努力，并强调了若干未来研究的开放问题。
引用
@article{arxiv.2305.08303,
title = {Deep-Unfolding for Next-Generation Transceivers},
author = {Qiyu Hu and Yunlong Cai and Guangyi Zhang and Guanding Yu and Geoffrey Ye Li},
journal= {arXiv preprint arXiv:2305.08303},
year = {2023}
}
备注
16 pages, 6 figures