面向动态信道的干扰消除 GAN 框架
机器学习
2022-08-18 v1 人工智能
网络与互联网体系结构
摘要
符号检测是现代通信系统（例如多用户多输入多输出（MIMO）场景）中一个基础且具有挑战性的问题。迭代软干扰消除（SIC）是该任务的先进方法，近来启发了数据驱动的神经网络模型（如 DeepSIC），能够处理未知非线性信道。然而，这些神经网络模型在应用前需进行耗时的充分训练，因此并不适用于实际中高度动态的信道。我们引入一种在线训练框架，可快速适应信道的任何变化。我们所提框架将最近的深度展开方法与新兴的生成对抗网络（GAN）相统一，以捕获信道的任意变化并快速调整网络以维持模型的顶尖性能。我们证明，在实验中我们的框架在高度动态信道上显著优于近期的神经网络模型，甚至在静态信道上也超越了那些模型。
引用
@article{arxiv.2208.08019,
title = {Interference Cancellation GAN Framework for Dynamic Channels},
author = {Hung T. Nguyen and Steven Bottone and Kwang Taik Kim and Mung Chiang and H. Vincent Poor},
journal= {arXiv preprint arXiv:2208.08019},
year = {2022}
}