利用酉等变性质进行预编码器学习
信号处理
2025-03-13 v1 机器学习
系统与控制
系统与控制
群论
摘要
将无线策略的数学性质融入深度神经网络(DNN)的设计中，是提高学习效率的有效方法。多天线系统中的多用户预编码策略，即从信道矩阵到预编码矩阵的映射，具有置换等变性质，该性质已被用于设计DNN权重矩阵的参数共享结构。在本文中，我们研究了比置换等变性更强的性质，即酉等变性，用于预编码器学习。我们首先表明，通过在置换等变DNN中进一步引入参数共享而设计的具有酉等变性的DNN无法学习最优预编码器。随后，我们开发了一种满足酉等变性的新型非线性加权过程，并构建了联合酉和置换等变DNN。仿真结果表明，所提出的DNN不仅在学习和泛化性能方面优于现有方法，还降低了训练复杂度。
引用
@article{arxiv.2503.09398,
title = {Precoder Learning by Leveraging Unitary Equivariance Property},
author = {Yilun Ge and Shuyao Liao and Shengqian Han and Chenyang Yang},
journal= {arXiv preprint arXiv:2503.09398},
year = {2025}
}