检测即学习：基于注意力与判决反馈的MIMO-OFDM接收处理结构学习
信号处理
2023-10-10 v5 机器学习
摘要
多输入多输出正交频分复用（MIMO-OFDM）系统中有限的空口（OTA）导频符号，给接收端检测发射数据符号带来重大挑战，尤其对基于机器学习的方法而言。在探索利用导频的有效方式至关重要之余，亦可借助数据符号提升检测性能。为此，本文提出一种在线的基于注意力的方法，即RC-AttStructNet-DF，其能高效利用导频符号并通过判决反馈（DF）机制以检测到的载荷数据动态更新。时域网络采用储备池计算（RC）以促进高效在线训练。频域网络采用新颖的二维多头注意力（MHA）模块捕获时间与频率相关性，并采用基于结构的StructNet以促进DF机制。注意力损失被设计用于学习频域网络。DF机制通过检测到的数据符号动态跟踪信道变化，进一步提升检测性能。RC-AttStructNet-DF方法的有效性通过MIMO-OFDM与大规模MIMO-OFDM系统下不同调制阶数及多种场景的广泛实验得到验证。
引用
@article{arxiv.2208.09287,
title = {Detect to Learn: Structure Learning with Attention and Decision Feedback for MIMO-OFDM Receive Processing},
author = {Jiarui Xu and Lianjun Li and Lizhong Zheng and Lingjia Liu},
journal= {arXiv preprint arXiv:2208.09287},
year = {2023}
}
备注
Accepted to IEEE Transactions on Communications