学习 MMSE 信道预测器
信息论
2019-11-19 v1 math.IT
摘要
我们提出了一种基于神经网络的预测器，该预测器从线性最小均方误差（LMMSE）预测器出发，并进一步作出两个关键假设而推导得到。基于这些假设，我们首先推导出一种 LMMSE 预测器的加权和，其动机源于最优 MMSE 预测器的结构。该预测器为基于前馈神经网络的预测器提供了初始化（权重矩阵、偏置和激活函数）。通过合理学习的神经网络，我们表明在给定信道模型假设下，基于底层多普勒谱的 Jakes 假设，可以轻易超越 LMMSE 预测器。
引用
@article{arxiv.1911.07256,
title = {Learning The MMSE Channel Predictor},
author = {Nurettin Turan and Wolfgang Utschick},
journal= {arXiv preprint arXiv:1911.07256},
year = {2019}
}