MetaSSD：元学习的自监督检测
机器学习
2022-06-01 v1 信号处理
摘要
基于深度学习的符号检测器由于比 Viterbi 和 BCJR 等传统基于模型的算法具有更简单的算法设计而受到越来越多的关注。监督学习框架常被用于预测输入符号，其中训练符号用于训练模型。监督方法有两个主要局限：a) 当新训练符号到来以适应新信道状态时，模型需要从头重新训练；b) 训练符号的长度需要长于某一阈值，以使模型对未见符号具有良好的泛化能力。为克服这些挑战，我们提出了一种基于元学习的自监督符号检测器，名为 MetaSSD。我们的贡献有两方面：a) 元学习借助在各种元训练环境中的经验帮助模型适应新信道环境；b) 自监督学习帮助模型使用比先前提出的基于学习的检测器更少的监督。在实验中，MetaSSD 优于具有噪声信道信息的 OFDM-MMSE，并显示出与 BCJR 相当的结果。进一步的消融研究显示了我们框架中每个组件的必要性。
引用
@article{arxiv.2205.15271,
title = {MetaSSD: Meta-Learned Self-Supervised Detection},
author = {Moon Jeong Park and Jungseul Ok and Yo-Seb Jeon and Dongwoo Kim},
journal= {arXiv preprint arXiv:2205.15271},
year = {2022}
}
备注
Accepted by ISIT 2022