用于一比特大规模 MIMO 通信系统的正则化神经网络检测
信号处理
2023-05-30 v2
摘要
一比特大规模 MIMO 系统的检测存在若干挑战，尤其对于高阶星座。基于模型的分析与深度学习框架的最新进展催生了若干鲁棒的一比特检测器设计。我们的工作建立在当前最先进的基于梯度下降（GD）的检测器之上。我们在检测器设计中引入两项新颖贡献：（i）我们以深度学习辅助的正则化步骤增强每次 GD 迭代；（ii）我们为所提出的正则化 DNN 检测器引入一种新颖的基于星座的损失函数。该一比特检测策略被应用于两种基于算法展开的不同 DNN 架构，即深度展开神经网络与深度循环神经网络。通过在多个随机采样的信道矩阵上训练，这些网络被开发为通用的一比特检测器。数值结果表明，DNN 增强的正则化 GD 与基于星座的损失函数的结合提升了我们一比特检测器的质量，尤其对于高阶 M-QAM 星座。
引用
@article{arxiv.2305.15543,
title = {Regularized Neural Detection for One-Bit Massive MIMO Communication Systems},
author = {Aditya Sant and Bhaskar D. Rao},
journal= {arXiv preprint arXiv:2305.15543},
year = {2023}
}
备注
Initially submitted to IEEE TMLCN in October 2022