基于学习的符号级预编码：一种内存高效的无监督学习方法
信号处理
2021-11-17 v1
摘要
符号级预编码（SLP）已被证明是管理多用户下行链路传输中干扰并增强接收信号功率的有效手段。本文提出了一种基于无监督学习的 SLP，其适用于量化深度神经网络（DNNs）。我们的方案并非以监督模式简单训练 DNN，而是利用内点法（IPM）近端‘log’障碍函数，在不完美信道场景下展开一个功率最小化 SLP 公式。我们使用二值和三值量化来压缩 DNN 的权重值。结果表明，与现有的全精度 SLP-DNet 相比，我们的方案显著节省了内存，基于二值 DNN 的 SLP（RSLP-BDNet）和基于三值 DNN 的 SLP（RSLP-TDNets）分别实现了约 21 倍和约 13 倍的显著模型压缩。
引用
@article{arxiv.2111.08110,
title = {Learning-Based Symbol Level Precoding: A Memory-Efficient Unsupervised Learning Approach},
author = {Abdullahi Mohammad and Christos Masouros and Yiannis Andreopoulos},
journal= {arXiv preprint arXiv:2111.08110},
year = {2021}
}
备注
6 pages, 5 figures, Conference