期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于干扰消除辅助稀疏连接神经网络的大规模MIMO信号检测 被引量：3
1
作者 申滨 阳建 +1 位作者 曾相誌 崔太平 《电子与信息学报》 EI CSCD 北大核心 2023年第1期208-217,共10页
近年来,深度学习成为无线通信领域的关键技术之一。在基于深度学习的一系列MIMO信号检测算法中,大多未充分考虑相邻天线之间的干扰消除问题,无法彻底消除多用户干扰对误码率性能的影响。为此,该文提出一种将深度学习与串行干扰消除(SIC... 近年来,深度学习成为无线通信领域的关键技术之一。在基于深度学习的一系列MIMO信号检测算法中,大多未充分考虑相邻天线之间的干扰消除问题,无法彻底消除多用户干扰对误码率性能的影响。为此,该文提出一种将深度学习与串行干扰消除(SIC)算法进行结合的方法用于大规模MIMO系统上行链路信号检测。首先,通过优化传统的检测网络(DetNet)及改进ScNet检测算法,该文提出一种基于深度神经网络(DNN)的检测算法,称为ImpScNet。在此基础上,进一步将SIC思想应用到深度学习框架结构设计中,提出一种基于深度学习的大规模MIMO多用户SIC检测算法,称为ImpScNet-SIC。此算法在每个检测层上分为两级,其中,第1级由该文提出的ImpScNet算法提供初始解,再将初始解解调至相应的星座点上作为SIC的输入,由此构成该算法的第2级。此外,在SIC中也使用了ImpScNet算法估计传输符号,以便获得最优性能。仿真结果表明,与已有的各种典型代表算法相比,该文所提ImpScNet-SIC检测算法特别适合大规模MIMO信号检测,具有收敛速度快、收敛稳定及复杂度相对较低的优势,并且在10–3误码率上有至少0.5 dB以上的增益。 展开更多
关键词 信号检测 深度学习 多用户干扰 大规模MIMO 稀疏连接 串行干扰消除
在线阅读 下载PDF
大规模MIMO信号检测IPIC算法的深度学习网络 被引量：1
2
作者 曾相誌 涂媛媛 申滨 《电讯技术》 北大核心 2023年第8期1117-1124,共8页
针对在大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)系统中,信道硬化现象减弱时最小均方误差(Minimum Mean Square Error, MMSE)检测算法及Richardson、Jacobi等迭代检测算法检测性能退化严重的问题,提出了一种深度检测网... 针对在大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)系统中,信道硬化现象减弱时最小均方误差(Minimum Mean Square Error, MMSE)检测算法及Richardson、Jacobi等迭代检测算法检测性能退化严重的问题,提出了一种深度检测网络,称为IPICNet,将深度学习技术和迭代并行干扰消除(Iterative Parallel Interference Cancellation, IPIC)检测算法结合。在IPICNet中,将IPIC检测算法的迭代过程展开为深度网络,并在此基础修改网络架构和添加可训练参数,同时对网络中需要使用的投影函数和损失函数进行了讨论和设计。实验结果表明,训练完成的IPICNet能有效提升IPIC检测算法的检测性能并在信道硬化现象不明显的MIMO系统中稳定工作。 展开更多
关键词 大规模MIMO 信号检测 深度学习 IPIC检测算法
在线阅读 下载PDF
基于SDNSR-Net深度网络的大规模MIMO信号检测算法
3
作者 曾相誌 申滨 阳建 《电子技术应用》 2022年第11期84-88,共5页
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(... 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。 展开更多
关键词 大规模MIMO系统 信号检测 模型驱动 深度学习
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部