多用户毫米波 MIMO 系统中基于空间路径索引调制的联邦 Dropout 学习混合波束成形
信号处理
2021-02-16 v1 信息论
机器学习
math.IT
摘要
具有少量射频（RF）链路的毫米波多输入多输出（mmWave-MIMO）系统复用增益有限。空间路径索引调制（SPIM）通过利用由空间路径索引调制的附加信号比特有助于提高该增益。本文中，我们针对多用户 SPIM-MIMO 系统中的波束成形器设计引入了基于模型与无模型的框架。我们首先通过基于流形优化的算法设计波束成形器。随后，我们利用带 dropout 学习（DL）的联邦学习（FL）在用户的本地数据集上训练学习模型，用户通过将信道数据输入模型来估计波束成形器。DL 在训练期间随机选取不同的模型参数集合，从而相比传统 FL 进一步降低传输开销。数值实验表明，所提框架比依赖最强传播路径的 SOTA SPIM-MIMO 方法与 mmWave-MIMO 具有更高的频谱效率。此外，所提 FL 方法提供的传输开销至少比集中式学习技术低 10 倍。
引用
@article{arxiv.2102.07450,
title = {Federated Dropout Learning for Hybrid Beamforming With Spatial Path Index Modulation In Multi-User mmWave-MIMO Systems},
author = {Ahmet M. Elbir and Sinem Coleri and Kumar Vijay Mishra},
journal= {arXiv preprint arXiv:2102.07450},
year = {2021}
}
备注
Accepted paper in 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Toronto, Canada, June 2021