通过元学习闭式线性滤波器与平衡传播预测平坦衰落信道
信息论
2022-03-08 v2 机器学习
信号处理
math.IT
摘要
预测衰落信道是一个经典问题，有着广泛用途，包括作为基于人工智能（AI）的蜂窝网络主动资源分配的使能技术。在衰落信道服从平稳复高斯过程的假设下（如瑞利与莱斯衰落模型），最优预测器是线性的，并可由多普勒谱通过标准线性最小均方误差（LMMSE）估计直接算出。然而实践中多普勒谱未知，预测器仅能获取有限的信道估计时间序列。本文提出利用元学习以降低信道衰落预测对训练数据量的要求。具体而言，首先基于通过元训练二次正则化的线性滤波给出一种低复杂度离线解；随后提出一种基于梯度下降与平衡传播（EP）的在线方法。数值结果展示了所提方法的优势，表明其能以少量训练数据点逼近具备先知辅助的 LMMSE 解。
引用
@article{arxiv.2110.00414,
title = {Predicting Flat-Fading Channels via Meta-Learned Closed-Form Linear Filters and Equilibrium Propagation},
author = {Sangwoo Park and Osvaldo Simeone},
journal= {arXiv preprint arXiv:2110.00414},
year = {2022}
}
备注
ICASSP 2022