.png){kind=icon}
返回
Model-driven learning-based message passing algorithm for MIMO systems
.png){kind=icon}
PRE
AI
DOI：10.1007/s11235-026-01451-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
深度学习（DL）在解决多输入多输出（MIMO）系统的检测问题上显示出潜力，并具有更好的性能-复杂度权衡。在本文中，我们提出了一种基于模型驱动DL的近似消息传递（AMP）检测算法，用于大规模MIMO系统。我们提出了一种采用可学习参数的方法，可以有效地用于增强现有AMP算法的性能。所提出的方法展示了更快的收敛速度，需要更少的迭代次数即可达到目标误码率（BER）性能。该方法还展示了其泛化鲁棒性，因为它在单个信噪比（SNR）下训练，而在一系列SNR值下成功测试。此外，我们将所提出的方法扩展到提取编码MIMO系统的软信息，并进行联合迭代估计。本文研究的仿真结果表明，与现有方法相比，所提出的方法具有显著的性能改进和更低的复杂度。
Keyword:
Approximate message passing
Deep learning
Massive MIMO
Signal detection
期刊
IF:
2.3
论文数:
161
被引数:
2.0K
机构
引用论文
分享收藏分享收藏Computationally Efficient Soft Detection Schemes for Coded Massive MIMO Systems计算高效型软检测方案用于编码大规模MIMO系统.png)
Electronics
ElectronicsIF0
PREAI
分享收藏
Low-Complexity Soft-Output Signal Detection Based on Gauss-Seidel Method for Uplink Multiuser Large-Scale MIMO Systems基于gauss-seidel方法的上行多用户大规模MIMO系统低复杂度软输出信号检测
OAAI
OAAI分享收藏
查看更多内容