RE-MIMO：循环且与置换等变的神经 MIMO 检测
信号处理
2021-01-26 v2 机器学习
摘要
在本文中，我们提出一种用于 MIMO 符号检测的新型神经网络。其动机源于无线通信系统中的若干重要考量：置换等变性与可变用户数。该神经检测器学习一种迭代解码算法，实现为堆叠的迭代单元。每个迭代单元是一个神经计算模块，包含 3 个子模块：似然模块、编码器模块与预测模块。似然模块将关于生成（前向）过程的信息注入神经网络。编码器-预测模块共同更新状态向量与符号估计。编码器模块更新状态向量，并采用基于 transformer 的注意力网络以置换等变方式处理用户间交互。预测模块精炼符号估计。模块化与置换等变架构允许处理可变数量的用户。所得神经检测器架构独特，并展现出以往任何神经检测器中均未见的若干理想性质。我们将其性能与现有方法比较，结果显示我们的网络能够以高精度高效处理可变数量的发射机。
引用
@article{arxiv.2007.00140,
title = {RE-MIMO: Recurrent and Permutation Equivariant Neural MIMO Detection},
author = {Kumar Pratik and Bhaskar D. Rao and Max Welling},
journal= {arXiv preprint arXiv:2007.00140},
year = {2021}
}
备注
copyright 2020 IEEE TSP. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works