.png){kind=icon}
返回
A Lightweight RL-Driven Deep Unfolding Network for Robust WMMSE Precoding
.png){kind=icon}
PRE
AI
DOI：10.1109/LCOMM.2025.3600648.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
加权最小均方误差（WMMSE）预编码可以在多用户MIMO-OFDM系统中实现近最优的加权总速率（WSR），但其计算复杂度高，且严重依赖于准确的信道状态信息（CSI）。本文提出了一种轻量级的强化学习（RL）驱动的深度展开（DU）网络（RLDDU-Net）来克服这些局限性。具体而言，其DU模块将宽带随机WMMSE算法映射到深度学习框架中，该算法在信道状态信息不完善的情况下最大化遍历WSR。同时采用了利用波束域稀疏性和子载波相关性的近似技术，以显著降低复杂度并加速收敛。RL模块动态生成补偿矩阵以缓解近似误差，并在线调整DU网络深度，从而增强灵活性和性能。仿真结果表明，在信道状态信息不完善的情况下，RLDDU-Net在遍历WSR、计算效率及收敛速度方面均优于现有基准方案。
Keyword:
WMMSE
imperfect CSI
deep-unfolding
RL
期刊
IF:
4.4
论文数:
1.3W
被引数:
2.2W
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容