典型文献
基于可学习权重衰减的大规模MIMO信号检测
文献摘要：
大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统随着天线数的增加,信号检测的计算复杂度随之提高,使用更深层次的神经网络并不会显著提高检测性能,因此设计一种低复杂度、高性能的检测算法尤为重要.文中提出了一种基于深度神经网络的大规模MIMO信号检测算法.该神经网络基于投影梯度下降算法展开,并引入了单调非递增函数,在训练期间可以动态地对权重进行优先级排序,从而保留重要的权重,将不重要的权重进行衰减.为了进一步提高检测性能,防止梯度消失,将单调非递增函数设置为可训练参数,在网络训练中对其值进行优化.仿真结果表明,所提出的学习算法收敛速度快,并且在检测精度方面优于大规模MIMO独立同分布模型(Massive MIMO-independent identically distributed,MMNet-iid)和最小均方误差算法.
文献关键词：
大规模多输入多输出系统;信号检测;深度神经网络;单调非递增函数
中图分类号：
作者姓名：
武苗苗;傅友华
作者机构：
南京邮电大学电子与光学工程学院、微电子学院,江苏南京 210023;南京邮电大学射频集成与微组装技术国家地方联合工程实验室,江苏南京 210023
文献出处：
引用格式：
[1]武苗苗;傅友华-.基于可学习权重衰减的大规模MIMO信号检测)[J].南京邮电大学学报（自然科学版）,2022(01):45-52
A类：
单调非递增函数,iid
B类：
可学,学习权重,权重衰减,MIMO,信号检测,Multiple,Input,Output,天线,计算复杂度,高检,检测性能,低复杂度,检测算法,深度神经网络,梯度下降算法,算法展开,训练期,优先级排序,不重,梯度消失,网络训练,收敛速度,检测精度,独立同分布,分布模型,Massive,independent,identically,distributed,MMNet,最小均方误差算法,大规模多输入多输出系统
AB值：
0.343675
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
