基于深度学习和AMP的MIMO检测算法

摘要：

大规模多输入多输出(multiple-input multiple-output,MIMO)是5G和未来移动无线网络的关键技术之一.但是,“大规模”带来显著性能增益的同时,也给接收机设计带来了挑战.基于深度学习和近似信息传递(approximate message passing,AMP)检测算法,提出了一种新的深度学习网络AMP-net,用于MIMO检测.在提出的算法中,将AMP算法的每一次迭代作为单层网络的基础架构,同时加入非线性神经单元及可训练权重系数,以实现在固定网络层数时得到更低的误码率.仿真结果证明,对比迭代次数为L的AMP算法,网络层数也为L的AMP-net可以得到较低的误码率,但和无限迭代的AMP算法还是有差距.同时也讨论了可训练的阈值函数对AMP-net的影响.仿真结果证明,使用一个小的全连接网络来作为阈值函数,比较其余阈值函数可以得到更低的误码率.

关键词：大规模MIMO、深度神经网络、5G、信号检测

所属期刊栏目：36

分类号：TN92

在线出版日期：2020-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：96-98