用于大规模 MIMO 检测的图神经网络
信号处理
2020-07-14 v1 机器学习
摘要
本文创新性地使用图神经网络（GNNs）来学习一种消息传递解法，用于无线通信中大规模多输入多输出（MIMO）检测这一推断任务。我们采用基于马尔可夫随机场（MRF）的图模型，其中在假设发射符号具有均匀先验时，置信传播（BP）效果较差。数值仿真表明，在均匀先验假设下，我们基于 GNN 的 MIMO 检测方案优于最小均方误差（MMSE）基线检测器，而与 BP 不同。此外，实验表明，通过将 MMSE 信息纳入先验，算法性能略有提升。
引用
@article{arxiv.2007.05703,
title = {Graph Neural Networks for Massive MIMO Detection},
author = {Andrea Scotti and Nima N. Moghadam and Dong Liu and Karl Gafvert and Jinliang Huang},
journal= {arXiv preprint arXiv:2007.05703},
year = {2020}
}
备注
ICML 2020 Workshop on Graph Representation Learning and Beyond (GRL+)