衰落信道中上行 MU-SIMO 联合收发机与非相干接收机端到端学习设计
信号处理
2021-05-05 v1 机器学习
摘要
本文提出一种新颖的端到端学习方法,即 JTRD-Net,用于衰落信道中上行多用户单输入多输出(MU-SIMO)联合发射机与非相干接收机设计(JTRD)。其基本思想是利用人工神经网络(ANN)替代收发两端的传统通信模块。更具体地,发射端建模为一组并行线性层,负责多用户波形设计;非相干接收机由深度前馈神经网络(DFNN)构成,以提供多用户检测(MUD)能力。整个 JTRD-Net 可从端到端训练,通过深度学习适配信道统计特性。训练后,JTRD-Net 能以非相干方式高效工作,无需任何程度的信道状态信息(CSI)。除网络架构外,本文为 JTRD-Net 提出一种新颖的权重初始化方法,即对称区间初始化。结果表明,对称区间初始化在用户间收敛速率均衡方面优于常规方法(如 Xavier 初始化)。仿真结果显示,所提 JTRD-Net 方法在独立同分布复高斯信道与空间相关信道上,相较基线方案在可靠性和可扩展性方面具有显著优势。
引用
@article{arxiv.2105.01260,
title = {End-to-End Learning for Uplink MU-SIMO Joint Transmitter and Non-Coherent Receiver Design in Fading Channels},
author = {Songyan Xue and Yi Ma and Na Yi},
journal= {arXiv preprint arXiv:2105.01260},
year = {2021}
}
备注
26 pages, 14 figures, transaction