知识蒸馏辅助的端到端学习用于有限速率反馈多用户 MIMO 下行系统线性预编码
信号处理
2021-03-24 v2 信息论
math.IT
摘要
我们提出了一种基于深度学习的下行多用户多输入多输出系统的信道估计、量化、反馈与预编码方法。在所提系统中,用于有限反馈的信道估计与量化由接收端深度神经网络(DNN)处理。预编码器选择由发送端 DNN 处理。为模拟传统信道量化,在每个接收端 DNN 处采用二值化层,且该二值化层也用于实现端到端学习。然而,这会导致梯度不准确,从而在训练中将接收端 DNN 陷入较差的局部极小。为此,我们考虑知识蒸馏,其中现有 DNN 与一个辅助发送端 DNN 联合训练。使用辅助 DNN 作为教师网络使接收端 DNN 能额外利用无损梯度,有助于避免较差的局部极小。在相同反馈比特数下,我们基于 DNN 的预编码方案相比基于码本有限反馈的传统线性预编码可实现更高的下行速率。
引用
@article{arxiv.2008.04147,
title = {Knowledge Distillation-aided End-to-End Learning for Linear Precoding in Multiuser MIMO Downlink Systems with Finite-Rate Feedback},
author = {Kyeongbo Kong and Woo-Jin Song and Moonsik Min},
journal= {arXiv preprint arXiv:2008.04147},
year = {2021}
}
备注
6 pages, 4 figures, submitted to IEEE Transactions on Vehicular Technology