基于Tucker分解极限学习机的多天线信道插值
信号处理
2019-05-21 v2 信息论
机器学习
math.IT
摘要
信道插值是为无线系统设计提供高精度信道状态信息（CSI）估计的一项基本技术，其中多天线信道的频率-空间结构相关性通常隐藏在矩阵或张量形式中。在本文中，提出了一种能够处理张量数据的改进极限学习机（ELM），即具有张量输入的ELM模型（TELM），以处理信道插值任务。TELM继承了ELM的许多优良特性。基于TELM，提出了Tucker分解极限学习机（TDELM）以进一步提升性能。此外，我们建立了一个理论论证来衡量所提出的学习机的插值能力。实验结果验证了，我们提出的学习机能够实现与传统ELM相当的均方误差（MSE）性能，但运行时间缩短了15%，并且在信道插值的MSE指标上优于其他方法20%的幅度。
引用
@article{arxiv.1812.10506,
title = {Multi-Antenna Channel Interpolation via Tucker Decomposed Extreme Learning Machine},
author = {Han Zhang and Bo Ai and Wenjun Xu and Li Xu and Shuguang Cui},
journal= {arXiv preprint arXiv:1812.10506},
year = {2019}
}
备注
8 Pages, 2 figures