基于深度神经网络的无蜂窝大规模MIMO系统频谱效率优化
信息论
2022-08-30 v1 信号处理
math.IT
摘要
蜂窝通信是一项在世界范围内广泛使用的技术，其覆盖区域被划分为多个小区。干扰是蜂窝网络中最重要挑战之一，它会通过降低服务质量引发问题。无蜂窝(CF)大规模多输入多输出(multiple-input multiple-output, MIMO)是一种新技术，其中大量分布式接入点(AP)同时服务于少量用户设备(UE)。CF网络可作为蜂窝网络的替代技术以减少干扰。CF网络中的一个挑战性任务是可扩展性，即尽管UE数量趋于无穷，每个AP或UE中的计算复杂度必须保持有限。在本文中，我们提供了密集全连接神经网络(Dense_Net)和一维卷积神经网络(Conv_Net)两种架构，以针对每个AP/UE中天线数量以及合并向量方法的不同情况予以实现。Dense_Net在所有情况下均优于Conv_Net。例如，在第一种情况下，其损失改善了62.87%。结果表明，我们所提方法在获取频谱效率(SE)最优值方面表现更优。
引用
@article{arxiv.2208.13727,
title = {Optimization of Spectral Efficiency in Cell-Free massive MIMO Systems Using Deep Neural Networks},
author = {Marzieh Arasteh and Narges Yarahmadi Gharaei and Mehrdad Ardebilipour},
journal= {arXiv preprint arXiv:2208.13727},
year = {2022}
}
备注
10 pages, 7 figures