• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE Data Science Workshop >Deep Mimo Detection Using ADMM Unfolding
【24h】

Deep Mimo Detection Using ADMM Unfolding

机译：使用ADMM展开进行深度Mimo检测

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper presents a low-complexity deep neural network (DNN)based multiple-input-multiple-output (MIMO) detector for the BPSK and QPSK constellation cases. We employ deep unfolding, whose idea is to take insight from the structure of an iterative optimization algorithm and attempt to learn a better iterative algorithm. The structure of the network is obtained from an iterative algorithm arising from the application of ADMM to the maximum-likelihood MIMO detection problem. The number of parameters to be learnt in this new design is less than that of DetNet, a recently proposed DNN-based MIMO detector. Our numerical experiments illustrate that the new method outperforms DetNet and several existing MIMO detectors in the large-scale MIMO case. In particular, we show that for a 160×160 MIMO system, our DNN design, with 40 layers, can attain nearly optimal bit-error rate performance.
机译：本文针对BPSK和QPSK星座情况，提出了一种基于低复杂度的深度神经网络（DNN）的多输入多输出（MIMO）检测器。我们采用深度展开法，其思想是从迭代优化算法的结构中获得洞察力，并尝试学习更好的迭代算法。网络的结构是从将ADMM应用到最大似然MIMO检测问题中产生的迭代算法中获得的。在这种新设计中要学习的参数数量少于最近提出的基于DNN的MIMO检测器DetNet的数量。我们的数值实验表明，在大规模MIMO情况下，新方法的性能优于DetNet和现有的多个MIMO检测器。尤其是，我们表明，对于160×160 MIMO系统，我们的DNN设计（具有40层）可以实现几乎最佳的误码率性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号