面向物联网网络海量连接的近端算子学习方法
信号处理
2021-12-07 v1
摘要
免授权随机接入有潜力支持物联网（IoT）网络中的海量连接，其中联合活动检测与信道估计（JADCE）是一个需要解决的关键问题。现有JADCE方法通常存在以下局限之一：计算复杂度高、诱导稀疏性效果不佳、以及无法处理复杂矩阵估计。为缓解上述所有局限，本文开发了一种基于近端算子方法的有效展开神经网络框架来解决IoT网络中的JADCE问题，其中基站配备多根天线。具体而言，JADCE问题被表述为群稀疏矩阵估计问题，由非凸极小极大凹惩罚（MCP）正则化。该问题可通过近端算子方法迭代求解，基于此我们通过参数化算法迭代开发了展开神经网络结构。通过进一步利用训练参数间的耦合结构及解析计算，我们开发了两种额外展开结构以降低训练复杂度。我们证明了所提算法达到线性收敛速率。结果表明，我们提出的三种展开结构不仅比基线方法收敛更快，而且获得了更高的估计精度。
引用
@article{arxiv.2112.02830,
title = {Learning Proximal Operator Methods for Massive Connectivity in IoT Networks},
author = {Yinan Zou and Yong Zhou and Yuanming Shi and Xu Chen},
journal= {arXiv preprint arXiv:2112.02830},
year = {2021}
}