基于深度无监督学习的联合天线选择与混合波束成形
信号处理
2022-01-24 v2
摘要
本文中，我们提出一种基于深度无监督学习的新型方法，联合优化天线选择与混合波束成形，以提升大规模多输入多输出（MIMO）下行链路系统的硬件与频谱效率。通过采用 ResNet 从信道矩阵中提取特征，分别提出天线选择网络（ASNet）与混合波束成形网络（BFNet）用于动态天线选择与混合波束成形器设计。此外，分别为 ASNet 与 BFNet 发展了深度概率子采样技巧与专门设计的量化函数，以在将离散约束嵌入网络结构的同时保持可微性。借助灵活设计的损失函数，ASNet 与 BFNet 以分阶段无监督方式联合训练，避免了监督学习中获取训练标签的昂贵计算成本。仿真结果证明了所提方法在可达速率与计算复杂度方面相对于传统基于优化的算法的优势。
引用
@article{arxiv.2106.03127,
title = {Deep Unsupervised Learning for Joint Antenna Selection and Hybrid Beamforming},
author = {Zhiyan Liu and Yuwen Yang and Feifei Gao and Ting Zhou and Hongbing Ma},
journal= {arXiv preprint arXiv:2106.03127},
year = {2022}
}
备注
Accepted by IEEE Transactions on Communications