基于循环一致生成对抗网络的半监督 MIMO 检测
信号处理
2023-04-24 v4
摘要
本文提出了一种利用循环一致生成对抗网络（CycleGAN）的新的半监督深度多输入多输出（MIMO）检测方法，用于无任何底层信道分布先验知识的通信系统。具体而言，我们通过构建两个改进的 Least Squares 生成对抗网络（LS-GAN）的双向环路来提出 CycleGAN 检测器。前向 LS-GAN 学习对传输过程建模，而后向 LS-GAN 学习检测接收信号。通过优化该环路中发射与接收信号的循环一致性，所提方法利用导频和接收到的有效载荷数据在线且半监督地进行训练。因此，对有标签训练数据集的需求被大幅控制，从而有效降低了开销。数值结果表明，所提 CycleGAN 检测器在误码率（BER）和可达速率方面均优于现有的半盲深度学习（DL）检测方法以及传统线性检测器，尤其在考虑发射端功率放大器（PA）非线性引起的信号失真时。
引用
@article{arxiv.2206.03686,
title = {Semi-supervised MIMO Detection Using Cycle-consistent Generative Adversarial Network},
author = {Hongzhi Zhu and Yongliang Guo and Wei Xu and Xiaohu You},
journal= {arXiv preprint arXiv:2206.03686},
year = {2023}
}