面向OFDM接收机与毫米波波束赋形的少样本新环境自适应
分布式、并行与集群计算
2023-10-20 v1
摘要
少样本学习（Few-shot learning, FSL）能够以仅有的有限训练数据适应新任务。在无线通信中，信道环境可能剧烈变化；因此，FSL技术可快速相应地调整收发机。本文中，我们开发了两种适用于无线收发机设计的FSL框架。两种框架均基于可通过知名算法（如非精确交替方向乘子法（inexact alternating direction method of multipliers, iADMM）与非精确交替方向法（inexact alternating direction method, iADM））求解的优化问题。作为示例，我们展示了所提两种FSL框架如何用于正交频分复用（OFDM）接收机及毫米波（millimeter wave, mmWave）系统的波束赋形（Beamforming, BF）。数值实验证实，与其他流行方法（如迁移学习（Transfer Learning, TL）与模型无关元学习）相比，它们在两种应用中均具有令人满意的性能。
引用
@article{arxiv.2310.12343,
title = {New Environment Adaptation with Few Shots for OFDM Receiver and mmWave Beamforming},
author = {Ouya Wang and Shenglong Zhou and Geoffrey Ye Li},
journal= {arXiv preprint arXiv:2310.12343},
year = {2023}
}