5G NR MIMO接收机中基于机器学习的干扰白化

我们解决的是从稀疏分布的解调参考信号（DMRS）计算干扰加噪声协方差矩阵以用于空域干扰白化（IW）的问题。在5G新空口（NR）系统中，IW过程对于用户设备（UE）抑制同信道干扰至关重要。我们提出了一种基于监督学习的算法来计算协方差矩阵，目标是最小化误块率（BLER）和白化复杂度。训练单个神经网络，以在各种干扰场景（包括不同的干扰占用率、信干比、信噪比、调制阶数、编码速率等）中选择用于协方差计算的IW选项。在干扰主导的场景中，由于干扰信道的频率选择性，所提算法使用一个资源块（RB）内的DMRS计算协方差矩阵。另一方面，在噪声主导的场景中，协方差矩阵则根据整个信号带宽内的DMRS计算。此外，当干扰加噪声的空间相关性较低时，所提算法将协方差矩阵近似为对角矩阵。这种近似将白化的复杂度从$\mathcal{O}(N^3)$降低到$\mathcal{O}(N)$，其中$N$是接收天线数量。结果表明，该选择算法能够在训练过的以及未训练过的干扰场景下均最小化BLER。