基于非线性级联超 Surfaces 的 Over-The-Air 极端学习机与 XL 接收
信号处理
2026-04-10 v2 新兴技术
机器学习
神经与进化计算
摘要
最近构想的以目标为导向的通信范式要求将机器学习工具应用于通过无线传输的数据进行推理。一个新兴的研究方向致力于在多输入多输出（MIMO）系统的物理层直接实现推理机器学习模型，但面临诸多挑战。本文利用可编程超表面（MetaSurfaces）的技术，提出一种可完全Over-The-Air（OTA）训练的 eXtremely Large（XL）MIMO系统，作为极端学习机（ELM）执行二进制分类任务，可以闭形式进行训练。该系统由接收机架构组成，包含密集并行布置的超大MetaSurfaces（SIM）的 diffractive 层，随后连接单个接收无线电频率链。面向XL MIMO信道的前层由相同单元单元的固定非线性（NL）响应组成，而剩余层的元素的可调线性响应用于近似OTA训练的ELM权重。我们的数值研究表明，在超大MS元素数量的 regime 下，所提出的XL-MIMO-ELM系统在多样化数据集和无线场景下，性能可与数字和理想ML模型相当，从而展示了将OTA学习能力嵌入未来无线系统中的可行性。
引用
@article{arxiv.2601.17749,
title = {Over-The-Air Extreme Learning Machines with XL Reception via Nonlinear Cascaded Metasurfaces},
author = {Kyriakos Stylianopoulos and Mattia Fabiani and Giulia Torcolacci and Davide Dardari and George C. Alexandropoulos},
journal= {arXiv preprint arXiv:2601.17749},
year = {2026}
}
备注
Invited Presentation at 2026 International Zurich Seminar on Information and Communication