面向大规模过载 MIMO 信道的可训练投影梯度检测器：数据驱动调参方法
信息论
2019-07-10 v2 机器学习
math.IT
摘要
本文提出一种深度学习辅助的迭代检测算法，用于发射天线数大于接收天线数的大规模过载多输入多输出（MIMO）系统。由于所提算法基于带可训练参数的投影梯度下降法，故命名为可训练投影梯度检测器（TPG-detector）。步长参数等可训练内部参数可利用标准深度学习技术（即反向传播与随机梯度下降算法）进行优化。该方法称为数据驱动调参，并在所提方案的参数估计中确保快速收敛。TPG-detector 主要由矩阵-向量乘积运算构成，每次迭代的计算代价正比于。此外，TPG-detector 中可训练参数的数量与天线数无关。TPG-detector 的这些特性带来了快速稳定的训练过程以及对大型系统的合理可扩展性。数值仿真表明，所提检测器以更低计算代价实现了与现有大规模过载 MIMO 信道算法（如最先进的 IW-SOAV 检测器）相当的检测性能。
引用
@article{arxiv.1812.10044,
title = {Trainable Projected Gradient Detector for Massive Overloaded MIMO Channels: Data-driven Tuning Approach},
author = {Satoshi Takabe and Masayuki Imanishi and Tadashi Wadayama and Ryo Hayakawa and Kazunori Hayashi},
journal= {arXiv preprint arXiv:1812.10044},
year = {2019}
}
备注
12 pages, 16 figures, accepted to IEEE Access, this is a long version of arXiv:1806.10827