通信系统中相位传输径向基函数神经网络的参数选择
信号处理
2024-08-20 v1
摘要
在不断发展的数字通信领域，复值神经网络（CVNN）已成为基石，在均衡、信道估计、波束赋形和解码等任务中表现出色。在众多CVNN架构中，相位传输径向基函数神经网络（PT-RBF）在5G MIMO等噪声环境中尤为突出。尽管其能力强大，但在多层、多输入、多输出的PT-RBF中实现收敛仍然是一个艰巨的挑战。针对这一空白，本文提出了一种新颖的深度PT-RBF参数初始化技术。通过符合3GPP TS 38标准的严格仿真，我们的方法不仅优于随机、K-means和基于星座图等传统初始化策略，而且是唯一能够在深度PT-RBF架构中成功实现收敛的方法。这些发现为复杂数字通信系统中更鲁棒和高效的神经网络部署铺平了道路。
引用
@article{arxiv.2408.07692,
title = {On the Parameter Selection of Phase-transmittance Radial Basis Function Neural Networks for Communication Systems},
author = {Jonathan A. Soares and Kayol S. Mayer and Dalton S. Arantes},
journal= {arXiv preprint arXiv:2408.07692},
year = {2024}
}
备注
IEEE International Conference on Machine Learning for Communication and Networking (ICMLCN 2024)