基于超网络与学习正则化项的鲁棒 MIMO 检测
信号处理
2021-10-15 v1 机器学习
摘要
多输入多输出（MIMO）系统中的最优符号检测已知是一个 NP-hard 问题。近来，人们越来越关注在控制计算复杂度的同时，利用神经网络获得接近最优解的结果。然而，基于深度学习的现有工作表明，很难设计一个对多种信道均表现良好的通用网络。在本工作中，我们提出一种方法，试图在符号错误率（SER）性能与信道通用性之间取得平衡。我们的方法基于超网络，其生成基于神经网络的检测器参数，该检测器在特定信道上表现良好。我们提出一个通用框架，通过使用一些预训练的信道专用方法实例对超网络的训练进行正则化。通过数值实验，我们表明所提方法在一组预先指定的信道实现上取得了高性能，同时能很好地泛化到从特定分布抽取的所有信道。
引用
@article{arxiv.2110.07053,
title = {Robust MIMO Detection using Hypernetworks with Learned Regularizers},
author = {Nicolas Zilberstein and Chris Dick and Rahman Doost-Mohammady and Ashutosh Sabharwal and Santiago Segarra},
journal= {arXiv preprint arXiv:2110.07053},
year = {2021}
}