用于深度 MIMO 检测的联邦动态神经网络
信号处理
2021-11-25 v1
摘要
在本文中，我们为多输入多输出（MIMO）系统开发了一种基于动态检测网络（DDNet）的检测器。通过将改进的 DetNet（IDetNet）检测器和 OAMPNet 检测器构建为两个独立的网络分支，DDNet 检测器执行逐样本动态路由，以在不同系统条件下为每个样本自适应地选择 IDetNet 和 OAMPNet 检测器中较好的一个。为了避免集中式学习（CL）中数据集收集带来的高昂传输开销，我们提出了联邦平均（FedAve）-DDNet 检测器，其中所有原始数据都保留在本地客户端，仅将本地训练的模型参数传输到中央服务器进行聚合。为了进一步减少传输开销，我们开发了联邦梯度稀疏化（FedGS）-DDNet 检测器，通过在向中央服务器上传梯度时，以精心计算的概率随机采样梯度来实现。基于仿真结果，得益于逐样本动态路由，所提出的 DDNet 检测器在所有系统条件下都始终优于其他检测器。此外，联邦 DDNet 检测器，尤其是 FedGS-DDNet 检测器，可以在保持令人满意的检测精度的同时，将传输开销降低至少 25.7%。
引用
@article{arxiv.2111.12260,
title = {Federated Dynamic Neural Network for Deep MIMO Detection},
author = {Yuwen Yang and Feifei Gao and Jiang Xue and Ting Zhou and Zongben Xu},
journal= {arXiv preprint arXiv:2111.12260},
year = {2021}
}