多跳 MIMO 网络的 over-the-air 推断
信号处理
2025-05-02 v1 机器学习
摘要
提出一种 novel 的 over-the-air 机器学习框架，用于多跳多输入多输出 (MIMO) 网络。核心思想是通过在发送节点处精心设计预编码矩阵，模拟多个 MIMO 信道以仿真完全连接 (FC) 神经网络层。采用称为 PrototypeNet 的神经网络，包含多个 FC 层，每个层的神经元数量等于相应终端的天线数量。为实现满意性能，我们基于自定义损失函数进行训练，该损失函数由分类误差和潜在向量满足发射功率约束的功率组成，并在训练期间注入噪声。随后求解优化问题获得每个跳的预编码矩阵。我们还提出当天线数量有限时的多块扩展方案。数值结果验证，所提出的 over-the-air 传输方案可在功率约束下实现满意的分类准确率。结果还表明，在适度信噪比 (SNR) 下，随跳数增加可实现更高的分类准确率。
引用
@article{arxiv.2505.00430,
title = {Over-the-Air Inference over Multi-hop MIMO Networks},
author = {Chenghong Bian and Meng Hua and Deniz Gunduz},
journal= {arXiv preprint arXiv:2505.00430},
year = {2025}
}
备注
5 pages