基于监督学习的单比特收发器多跳 MU-MIMO 通信
信息论
2019-04-09 v1 math.IT
摘要
本文考虑一种非线性多跳多用户多输入多输出（MU-MIMO）中继信道，其中多个用户通过具有单比特收发器的中间中继，经单比特模数转换器向多天线基站（BS）发送信息符号。为理解检测性能的基本极限，在假设 BS 处具有完美且全局的信道状态信息（CSI）的前提下，提出了最优最大似然（ML）检测器。然而，由于不切实际的 CSI 假设和极高的检测复杂度，该多用户检测器并不实用。通过提出一种受监督学习启发的新颖检测框架，这些局限性得以解决。其核心思想是将复杂的多跳 MU-MIMO 信道建模为具有更少且可学习参数的简化信道。一个主要发现是，即使使用简化信道模型，在特定条件下以合理的导频开销即可实现接近 ML 的检测性能。此外，提出了一种在线监督学习检测器，可自适应地跟踪信道变化。其思想是：将可靠检测出的数据符号视为新的训练（带标签）数据，用以更新模型参数。最后，提出了一种使用深度神经网络的多用户检测器。与基于模型的方法不同，这种无模型方法能够消除简化信道模型中的误差，但同时增加了参数学习的计算复杂度。通过仿真，对经典、基于模型和无模型检测器的检测性能进行了全面比较，以证明监督学习方法在该信道中的有效性。
引用
@article{arxiv.1904.03805,
title = {Supervised-Learning for Multi-Hop MU-MIMO Communications with One-Bit Transceivers},
author = {Daeun Kim and Song-Nam Hong and Namyoon Lee},
journal= {arXiv preprint arXiv:1904.03805},
year = {2019}
}
备注
32 pages, 6 figures