10.14132/j.cnki.1673-5439.2022.01.007
基于可学习权重衰减的大规模MIMO信号检测
大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统随着天线数的增加,信号检测的计算复杂度随之提高,使用更深层次的神经网络并不会显著提高检测性能,因此设计一种低复杂度、高性能的检测算法尤为重要.文中提出了一种基于深度神经网络的大规模MIMO信号检测算法.该神经网络基于投影梯度下降算法展开,并引入了单调非递增函数,在训练期间可以动态地对权重进行优先级排序,从而保留重要的权重,将不重要的权重进行衰减.为了进一步提高检测性能,防止梯度消失,将单调非递增函数设置为可训练参数,在网络训练中对其值进行优化.仿真结果表明,所提出的学习算法收敛速度快,并且在检测精度方面优于大规模MIMO独立同分布模型(Massive MIMO-independent identically distributed,MMNet-iid)和最小均方误差算法.
大规模多输入多输出系统、信号检测、深度神经网络、单调非递增函数
42
TN911.23
国家自然科学基金61771257
2022-04-25（万方平台首次上网日期，不代表论文的发表时间）
共8页
45-52
