面向xAI：基于域知识配置RNN权重用于MIMO接收处理
信号处理
2024-10-10 v1 机器学习
摘要
深度学习在无线通信物理层产生了深远影响。尽管在诸如MIMO接收处理等任务中表现卓越，但解释这些卓越性能改进背后的原因仍然鲜见。本文利用信号处理原则推进了无线通信物理层可解释人工智能（xAI）的研究。具体而言，我们聚焦于使用浊置计算（RC）实现MIMO-OFDM接收处理（例如符号检测）的任务，后者超越了传统方法和其他基于学习的MIMO检测器。我们的分析提供了一种基于信号处理的、从首原则理解RC对应操作的方式。基于这一基本理解，我们能够系统性地将无线系统的领域知识（例如信道统计特性）纳入到 underlying RNN的设计中，通过直接配置用于MIMO-OFDM符号检测的未训练RNN权重。所引入的RNN权重配置通过大量仿真验证，显著提升了性能。这为MIMO-OFDM接收处理中基于RC的可解释架构奠定了基础，并为将域知识纳入下一代（NextG）系统神经网络设计提供了道路。
引用
@article{arxiv.2410.07072,
title = {Towards xAI: Configuring RNN Weights using Domain Knowledge for MIMO Receive Processing},
author = {Shashank Jere and Lizhong Zheng and Karim Said and Lingjia Liu},
journal= {arXiv preprint arXiv:2410.07072},
year = {2024}
}