SpikingRx：从神经接收机到脉冲接收机
信息论
2024-09-10 v1 math.IT
摘要
在这项工作中，我们提出了一种能效极高的神经形态接收机，利用基于脉冲神经网络 (SNN) 的模块（称为 SpikingRx）来替代接收机处的多个信号处理模块。我们提出了一种带有脉冲逐元素 ResNet 层的深度卷积 SNN，它接收符合 5G 规范的整个 OFDM 网格，并为解码比特提供可用作对数似然比的软输出。我们提出采用代理梯度下降法来训练 SpikingRx，并重点关注其泛化能力与对量化的鲁棒性。此外，通过全面的消融实验研究了所提出 SpikingRx 的可解释性。我们的大量数值仿真表明，与传统 5G 接收机相比，SpikingRx 能够实现显著的块差错率性能增益；且与传统基于神经网络的对应接收机相比性能相当，而能耗大约低 9 倍。
引用
@article{arxiv.2409.05610,
title = {SpikingRx: From Neural to Spiking Receiver},
author = {Ankit Gupta and Onur Dizdar and Yun Chen and Stephen Wang},
journal= {arXiv preprint arXiv:2409.05610},
year = {2024}
}