含硬件缺陷 MIMO 系统中的信号检测：基于神经网络的消息传递
信号处理
2022-10-11 v1 机器学习
摘要
本文研究了具有硬件缺陷（如功率放大器非线性和同相/正交失衡）的多输入多输出（MIMO）通信系统中的信号检测。为应对硬件缺陷的复杂联合效应，已有研究采用神经网络（NN）技术，特别是深度神经网络（DNNs）来直接补偿硬件缺陷的影响。然而，利用有限的导频信号训练 DNN 较为困难，阻碍了其实用化。本工作中，我们研究如何在具有硬件缺陷的 MIMO 系统中实现高效的贝叶斯信号检测。对联合硬件缺陷建模常导致复杂的信号模型，使贝叶斯信号检测颇具挑战。为解决此问题，我们首先训练一个 NN 来“建模”含硬件缺陷的 MIMO 系统，然后基于训练好的 NN 执行贝叶斯推断。用 NN 建模 MIMO 系统能够根据 MIMO 系统的信号流设计 NN 架构，从而最小化 NN 层数与参数数量，这对于利用有限导频信号实现高效训练至关重要。随后我们将训练好的 NN 表示为因子图，并利用酉近似消息传递（UAMP）算法设计了一种高效的基于消息传递的贝叶斯信号检测器。我们还研究了采用所提贝叶斯检测器的 turbo 接收机实现。大量仿真结果表明，所提技术相比最先进方法具有显著更优的性能。
引用
@article{arxiv.2210.03911,
title = {Signal Detection in MIMO Systems with Hardware Imperfections: Message Passing on Neural Networks},
author = {Dawei Gao and Qinghua Guo and Guisheng Liao and Yonina C. Eldar and Yonghui Li and Yanguang Yu and Branka Vucetic},
journal= {arXiv preprint arXiv:2210.03911},
year = {2022}
}