典型文献
基于SDNSR-Net深度网络的大规模MIMO信号检测算法
文献摘要：
大规模多输入多输出(MIMO)系统能有效地提高频谱效率,当天线规模渐进趋向于无穷时,最小均方误差(MMSE)检测算法能达到接近最优的检测性能.然而由于算法中存在矩阵求逆的步骤,带来极高的计算复杂度,在大规模MIMO系统中难以实现.理查森(Richardson)算法能够在不对矩阵求逆的情况下,以迭代的形式达到MMSE算法的检测性能,但该算法受其松弛参数影响较大.在结合最陡梯度下降算法的Richardson算法(SDNSR)中,松弛参数的误差可由梯度下降算法弥补,却提高了计算复杂度.首先通过深度展开的思想,将SDNSR的迭代过程映射为深度检测网络(SDNSR-Net);然后,通过修改网络结构及添加可训练参数来降低计算复杂度并提高检测精度.实验结果表明,在上行链路大规模MIMO系统中不同信噪比和天线配置的情况下,SDNSR-Net都优于其他典型的检测算法,可作为实际中有效的待选检测方案.
文献关键词：
大规模MIMO系统;信号检测;模型驱动;深度学习
中图分类号：
作者姓名：
曾相誌;申滨;阳建
作者机构：
重庆邮电大学通信与信息工程学院,重庆400065
文献出处：
引用格式：
[1]曾相誌;申滨;阳建-.基于SDNSR-Net深度网络的大规模MIMO信号检测算法)[J].电子技术应用,2022(11):84-88
A类：
SDNSR
B类：
Net,深度网络,MIMO,信号检测,检测算法,大规模多输入多输出,频谱效率,当天,天线,线规,趋向于,无穷,最小均方误差,MMSE,检测性能,矩阵求逆,难以实现,理查森,Richardson,松弛,参数影响,梯度下降算法,差可,深度展开,深度检测,测网,来降,低计算复杂度,高检,检测精度,上行链路,检测方案,模型驱动
AB值：
0.354896
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。
