模型驱动的波束成形神经网络
信息论
2020-03-18 v1 机器学习
信号处理
math.IT
摘要
波束成形显然是近期几代移动通信网络中的核心技术。然而，优化参数通常需要迭代过程，因其高复杂度和计算延迟而不适于实时实现。零强迫（ZF）等启发式方案较为简单，但代价是性能损失。另一方面，深度学习（DL）被公认为一种泛化技术，若训练充分，能以低得多的复杂度为广泛应用提供有前景的结果。因此，DL 可能成为波束成形的一种有吸引力的解决方案。为利用 DL，本文引入了通用的数据驱动与模型驱动波束成形神经网络（BNN），给出了多种可行的学习策略，并讨论了基于 DL 的 BNN 的复杂度降低方法。我们还提供了训练集增强和迁移学习等增强方法，以改善 BNN 的泛化能力，并辅以计算机仿真结果和测试床结果展示此类 BNN 方案的性能。
引用
@article{arxiv.2001.05277,
title = {Model-Driven Beamforming Neural Networks},
author = {Wenchao Xia and Gan Zheng and Kai-Kit Wong and Hongbo Zhu},
journal= {arXiv preprint arXiv:2001.05277},
year = {2020}
}