10.19665/j.issn1001-2400.2022.01.021
毫米波MIMO的DNN混合预编码梯度优化方法
毫米波多输入多输出的混合预编码是降低硬件复杂度和能量消耗的重要方法.为降低优化处理的复杂性并提升频谱效率,提出了一种支持深度学习的混合预编码优化算法.为了消除子信道之间由信噪比差异导致部分子信道误码率较高进而对整体误码率产生的不良影响,通过基于块对角化的几何均值分解和深度神经网络的训练来选择混合预编码器,将预编码器的优化选择视为深度神经网络中的映射,以优化大规模多输入多输出的混合预编码过程.将频谱效率的优化问题近似归结为全数字预编码器和混合预编码器之间的欧氏距离的最小化问题,利用有限数量的射频链路实现吞吐量的改善.性能分析和仿真结果都表明,由于采用改进的梯度计算算法和单循环迭代结构,基于深度神经网络的方法能够最小化毫米波多输入多输出的误码率并提高频谱效率,同时显著地降低了所需的计算复杂度.当频谱效率为50 bit/(s·Hz)时,信噪比可节省3 dB.不同方案达到相同误码率时,信噪比可节省5 dB以上,并具有更好的稳健性.
混合预编码、频谱效率、几何平均分解、深度神经网络、多输入多输出
49
TP391(计算技术、计算机技术)
国家重点研发计划2018YFB0804103
2022-05-13（万方平台首次上网日期，不代表论文的发表时间）
共6页
202-207
