图神经网络辅助的 MU-MIMO 检测器
信号处理
2022-06-28 v2 人工智能
摘要
多用户多输入多输出（MU-MIMO）系统可用于满足 5G 及未来网络的高吞吐量需求。在上行链路 MU-MIMO 系统中，基站服务众多用户，导致严重的多用户干扰（MUI）。设计一种高性能检测器来处理强 MUI 具有挑战性。本文分析了在强 MUI 存在下，先进消息传递（MP）检测器中使用的后验分布近似所导致的性能下降。我们开发了一个基于图神经网络的框架来微调 MP 检测器的腔分布，从而改进 MP 检测器中的后验分布近似。然后，我们提出了两种新颖的基于神经网络的检测器，它们分别依赖于期望传播（EP）和贝叶斯并行干扰消除（BPIC），称为 GEPNet 和 GPICNet 检测器。GEPNet 检测器最大化检测性能，而 GPICNet 检测器则平衡了性能和复杂度。我们提供了置换等变性证明，使得检测器即使在用户数量动态变化的系统中也只需训练一次。仿真结果表明，所提出的 GEPNet 检测器在各种配置下的性能接近最大似然性能，而 GPICNet 检测器则将 BPIC 检测器的复用增益提高了一倍。
引用
@article{arxiv.2206.09381,
title = {Graph Neural Network Aided MU-MIMO Detectors},
author = {Alva Kosasih and Vincent Onasis and Vera Miloslavskaya and Wibowo Hardjawana and Victor Andrean and Branka Vucetic},
journal= {arXiv preprint arXiv:2206.09381},
year = {2022}
}
备注
Source Code: https://github.com/GNN-based-MIMO-Detection/GNN-based-MIMO-Detection