大规模 MIMO 雷达中基于 RL 的先进检测算法增强
信号处理
2022-12-20 v2
摘要
本文提出一种基于强化学习（RL）的自适应算法，用于优化共置大规模 MIMO 雷达的发射波束方向图。在大规模 MIMO 体制下，近期已提出一种鲁棒 Wald 型检测器，能在广泛实际干扰模型下保证特定检测性能。此外，已有研究利用 RL/认知方法，通过学习并与周围未知环境交互来提升检测性能。基于先前发现，我们在此开发一种全自适应、数据驱动的 RL 算法超参数选取方案。该自适应选取使基于 Wald RL 的检测器摆脱任何特设且可能次优的手动超参数调参。仿真结果表明，所提方案在强杂波与低 SNR 值的恶劣场景中有效。
引用
@article{arxiv.2112.02628,
title = {Enhancement of a state-of-the-art RL-based detection algorithm for Massive MIMO radars},
author = {Francesco Lisi and Stefano Fortunati and Maria Sabrina Greco and Fulvio Gini},
journal= {arXiv preprint arXiv:2112.02628},
year = {2022}
}