基于深度学习和AMP的MIMO检测算法

• 作者: 姜述超 孙超 朱啸豪
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 大规模MIMO 深度神经网络 5G 信号检测
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 研究与设计
• 页码范围: 96-98
• 页数: 3页
• 分类号: TN92
• 字数: 2248字
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙超	复旦大学通信科学与工程系	28	66	4.0	7.0
2	姜述超	复旦大学通信科学与工程系	3	0	0.0	0.0
3	朱啸豪	复旦大学通信科学与工程系	2	0	0.0	0.0