大规模 MIMO 中基于截断多项式展开的检测：一种模型驱动的深度学习方法
信号处理
2024-02-21 v1 机器学习
摘要
在本文中，我们提出了一种基于深度学习 (DL) 的方法，利用截断多项式展开 (TPE) 高效计算 Hermitian 矩阵的逆。我们的模型驱动方法涉及在离线训练过程中针对给定数量的 TPE 项优化 TPE 系数。我们将此方法应用于上行链路大规模多输入多输出 (MIMO) 系统中的信号检测，其中线性检测器（如迫零 (ZF) 和最小均方误差 (MMSE)）所需的矩阵逆运算使用 TPE 进行近似。仿真结果表明，所提出的基于学习 TPE 的方法在渐近收敛速度方面优于具有最优系数的传统 TPE 方法，并降低了在线检测阶段的计算复杂度，尽管以增加离线训练阶段为代价。然而，有限数量的可训练参数使得离线训练过程非常迅速。
引用
@article{arxiv.2402.12595,
title = {Truncated Polynomial Expansion-Based Detection in Massive MIMO: A Model-Driven Deep Learning Approach},
author = {Kazem Izadinasab and Ahmed Wagdy Shaban and Oussama Damen},
journal= {arXiv preprint arXiv:2402.12595},
year = {2024}
}
备注
5 pages, 2 figures, 2 tables