用于太赫兹波束空间 MIMO 中智能模拟波束选择的 Swish 驱动 GoogleNet
信号处理
2021-10-13 v1
摘要
本文中，我们提出一种太赫兹（THz）频段波束空间多输入多输出（MIMO）系统中的智能模拟波束选择策略。首先受迁移学习启发，我们对预训练的现成 GoogleNet 分类器进行微调，将模拟波束选择学习为一个多类映射问题。仿真结果表明，模拟波束选择准确率达 83%，随后相较现有同类方法带来 12% 的频谱效率（SE）增益。为获得更精确的分类器，我们将 GoogleNet 传统的修正线性单元（ReLU）激活函数替换为近期提出的 Swish，并重新训练微调后的 GoogleNet 以学习模拟波束选择。数值结果表明，微调后的 Swish 驱动 GoogleNet 达到 86% 的准确率，以及相较同类方案可实现 SE 提升 18%。最终，通过顺序训练多个微调后的 Swish 驱动 GoogleNet 分类器，开发出一种强集成分类器来学习模拟波束选择。根据仿真，该强集成模型准确率为 90%，相较先前方法可实现 SE 增益 27%。
引用
@article{arxiv.2110.05830,
title = {Swish-Driven GoogleNet for Intelligent Analog Beam Selection in Terahertz Beamspace MIMO},
author = {Hosein Zarini and Mohammad Robat Mili and Mehdi Rasti and Sergey Andreev and Pedro H. J. Nardelli},
journal= {arXiv preprint arXiv:2110.05830},
year = {2021}
}
备注
6 pages