面向多用户多维索引调制上行链路的图神经网络辅助检测
信号处理
2025-05-28 v1
摘要
为下一代（NG）网络的大规模多用户多输入多输出上行链路（LS-MU-MIMO-UL），本文提出了一种压缩感知辅助的空间-频率索引调制（CS-SFIM）概念。具体而言，在 CS-SFIM 中，信息比特被映射到空间域和频率域索引，其中我们分别处理发射天线和子载波的激活模式。在 MU-MIMO-UL 系统中服务大量用户会导致严重的多用户干扰（MUI）。因此，我们将空间-频率（SF）域矩阵设计为联合因子图，其中可以利用基于近似消息传递（AMP）和期望传播（EP）的多用户检测器。在所考虑的 LS-MU-MIMO-UL 场景中，所提出的系统使用最优最大似然（ML）和最小均方误差（MMSE）检测器作为基准，以便与所提出的基于 MP 的检测器进行比较。与 ML 检测相比，这些基于 MP 的检测器显著降低了检测复杂度，使该设计非常适合大规模多用户场景。为了进一步降低检测复杂度并提高检测性能，我们提出了一对基于图神经网络（GNN）的检测器，它们分别依赖于正交 AMP（OAMP）和 EP 算法，我们分别将其称为 GNN-AMP 和 GEPNet 检测器。GEPNet 检测器最大化了检测性能，而 GNN-AMP 检测器则在性能与复杂度之间取得了折中。GNN 仅针对单一系统配置进行训练，但可用于系统中的任意数量用户。仿真结果表明，基于 GNN 的检测器在各种配置下均逼近 ML 性能。
引用
@article{arxiv.2505.21343,
title = {Graph Neural Network Aided Detection for the Multi-User Multi-Dimensional Index Modulated Uplink},
author = {Xinyu Feng and Mohammed EL-Hajjar and Chao Xu and Lajos Hanzo},
journal= {arXiv preprint arXiv:2505.21343},
year = {2025}
}