DeepMIMO：面向毫米波与大规模MIMO应用的通用深度学习数据集
信息论
2019-02-19 v1 信号处理
math.IT
摘要
机器学习工具正在毫米波（mmWave）与大规模MIMO系统中发现有趣的应用。这主要归功于其在学习未知模型和处理困难优化问题方面的强大能力。然而，为推动mmWave/大规模MIMO中的机器学习研究，亟需一个通用数据集。该数据集可用于评估所开发的算法、复现结果、设定基准并比较不同方案。本工作中，我们引入DeepMIMO数据集，这是一个面向mmWave/大规模MIMO信道的通用数据集。DeepMIMO数据集生成框架具有两个重要特征。首先，DeepMIMO信道基于从Remcom Wireless InSite获得的精确射线追踪数据构建。因此，DeepMIMO信道捕捉了对环境几何/材料以及发射机/接收机位置的依赖关系，这对于若干机器学习应用至关重要。其次，DeepMIMO数据集是通用化/参数化的，研究者可调整一组系统与信道参数，使生成的DeepMIMO数据集适配目标机器学习应用。DeepMIMO数据集随后可由（i）所采用的射线追踪场景与（ii）参数集完全定义，从而实现数据集的精确界定与复现。本文基于一个包含18个基站与逾一百万用户的室外射线追踪场景描述了一个DeepMIMO数据集示例，并展示了该数据集如何用于mmWave波束预测的深度学习应用示例。
引用
@article{arxiv.1902.06435,
title = {DeepMIMO: A Generic Deep Learning Dataset for Millimeter Wave and Massive MIMO Applications},
author = {Ahmed Alkhateeb},
journal= {arXiv preprint arXiv:1902.06435},
year = {2019}
}
备注
to appear in Proc. of Information Theory and Applications Workshop (ITA), Feb., 2019