利用三元组损失与非线性降维实现即时信道制图
网络与互联网体系结构
2022-05-02 v1 机器学习
信号处理
摘要
信道制图是一种无监督学习方法，旨在将无线信道映射到一个所谓的图中，并尽可能保留空间邻域关系。本文提出了一种基于模型的深度学习方法来解决该问题。该方法构建于一种物理驱动的距离度量之上，用以结构化和初始化一个神经网络，随后使用三元组损失函数进行训练。所提出的结构具有较少的参数数量，且巧妙的初始化带来了快速训练。这两个特性使得所提方法适用于即时信道制图。该方法在真实合成信道上进行了经验评估，取得了令人鼓舞的结果。
引用
@article{arxiv.2204.13996,
title = {Leveraging triplet loss and nonlinear dimensionality reduction for on-the-fly channel charting},
author = {Taha Yassine and Luc Le Magoarou and Stéphane Paquelet and Matthieu Crussière},
journal= {arXiv preprint arXiv:2204.13996},
year = {2022}
}