RC-Struct：一种基于结构的MIMO-OFDM检测神经网络方法
信息论
2023-10-05 v2 机器学习
信号处理
math.IT
摘要
本文提出一种基于结构的神经网络架构，即RC-Struct，用于MIMO-OFDM符号检测。RC-Struct通过储备池计算（RC）利用MIMO-OFDM信号的时间结构。一个二分类器利用系统中重复的星座结构来执行多类检测。RC的引入使得RC-Struct能够以纯在线方式学习，在每个OFDM子帧中仅需极少的导频符号。二分类器实现了对宝贵的在线训练符号的高效利用，并允许轻松扩展到高阶调制而复杂度无显著增加。实验表明，所提出的RC-Struct在误码率（BER）方面优于传统的基于模型的符号检测方法和最先进的基于学习的策略。在采用秩与链路自适应时，RC-Struct相对于现有方法的优势更为显著。所提出的RC-Struct为结合通信领域知识与基于学习的接收处理以服务于5G/5G-Advanced及更先进系统提供了思路。
引用
@article{arxiv.2110.02219,
title = {RC-Struct: A Structure-based Neural Network Approach for MIMO-OFDM Detection},
author = {Jiarui Xu and Zhou Zhou and Lianjun Li and Lizhong Zheng and Lingjia Liu},
journal= {arXiv preprint arXiv:2110.02219},
year = {2023}
}
备注
30 pages, 17 figures, journal submission IEEE Transactions on Wireless Communications