Feb, 2022

深度学习辅助索引调制空间复用

PDF
TL;DR本文提出了深度学习辅助的深度空间多路复用多输入多输出传输索引调制数据检测方法 (Deep-SMX-IM)，它通过结合零强制检测器和深度学习技术构建。此方法利用深度学习技术学习频率和空间域的传输特性，同时通过索引调制提供的子块检测，显示出降低计算复杂度的优势，并且在不增加计算复杂度的情况下比零强制检测器有更好的误码性能。
deep learningspatial multiplexingmimoindex modulationzero-forcing detector
发现论文，激发创造
  • 基于深度卷积学习辅助的带索引调制广义分频多路复用检测器

    本文提出了一种基于深度卷积神经网络的符号检测和解调技术，用于改进广义频分复用与索引调制方案 (GFDM-IM) 的误差表现。通过使用零强制 (ZF) 探测器和神经网络处理，有效防止神经网络卡在鞍点上，并提供了更好的误比特率性能，是未来无线网络的一个有前途的物理层 (PHY) 方案。

    Feb, 2022

  • 基于深度学习的无人驾驶空间复用

    研究了在多输入多输出（MIMO）通信系统中，基于机器学习的无驾驶空间复用的可行性。结果表明，通过联合训练发射机和接收机，发射机可以学习到适用于空间流的星座图形，从而实现完全盲分离和检测。在调制阶数和信噪比方面，与传统的基于导频信号系统相比，学习到的无导频信号方案可以提高 15-20% 的频谱效率。

    Dec, 2023

  • 基于深度学习的 MIMO 通信

    论文提出了一种新颖的基于无监督深度学习的物理层方案，该方案在单用户多输入多输出 (MIMO) 通信中具有显著的潜力，其考虑了空间多样性和空间复用技术，并将无线信道失真模型引入自编码器优化问题中。

    Jul, 2017

  • 深度 MIMO 检测

    本文研究了基于深度神经网络的 MIMO 检测，并提出了一种适用于此检测任务的现代神经网络架构。通过数值模拟，结果表明，深层网络可以在显著降低复杂性的同时，提供针对具有不良条件通道和误指定噪声方差的鲁棒性，达到最先进的准确性。

    Jun, 2017

  • 基于深度学习的毫米波超大规模 MIMO 混合预编码

    本研究提出一种基于深度学习的毫米波大规模 MIMO 混合预编码框架，该框架通过 DNN 训练来优化 MIMO 预编码过程，最终实现减少 BER 和提高频谱效率的目的，并且能够在实现混合预编码的同时大幅度降低所需的计算复杂度。

    Jan, 2019

  • 面向 MIMO 检测的模型驱动深度学习网络

    本文提出了一种基于模型驱动的深度学习网络用于多输入多输出（MIMO）检测，通过深度学习技术优化网络的可训练参数以提高检测性能；由于网络可训练变量的数量等于层数，因此可以在很短的时间内轻松训练网络，并且网络可以处理时变信道，通过数值结果表明该方法可以显著提高 Rayleigh 和相关 MIMO 信道下迭代算法的性能。

    Sep, 2018

  • 大型智能表面辅助下的毫米波大规模 MIMO 系统的深通道学习

    本文提出了一个深度学习框架，用于大型智能表面辅助大规模 MIMO 系统中的通道估计，其核心是双卷积神经网络结构，用于估计直接和级联信道，结果表明该方法性能优越。

    Jan, 2020

  • 自适应神经信号检测用于大规模 MIMO

    本文介绍了一种基于深度学习和迭代软阈值算法的 MMNet MIMO 检测方案，通过该方案，可以在同等或更低的计算复杂度下，实现对具有空间相关性的实际信道的在线训练，并在性能上远远优于现有的深度学习方法。

    Jun, 2019

  • 基于可重构智能表面的索引调制：6G 中的新超越 MIMO 范式

    本文提出利用可重构智能表面在指数调制方案中实现 RIS - 空间移位键控和 RIS - 空间调制的理论分析，通过计算机模拟结果表明该方案可以提高接收质量和谱效率，成为未来无线通信系统的候选方案。

    Apr, 2019

  • 可重构智能表面辅助下的太赫兹大规模 MIMO 基于分层传输的深度学习多址

    本文提出了一种基于深度学习技术的速率分裂多址接入方案以及在 RIS-assisted 的太赫兹多用户 MIMO 系统中的 CSI 获取方法。

    Sep, 2022