科研之友
微信
新浪微博
Facebook
分享链接
摘要
大规模MIMO是提升5G频谱效率的关键技术之一。然而大规模MIMO系统天线数的增加，使得传统的线性和非线性检测器难以获得良好的性能和复杂度的折中，不能灵活地适应变化的无线环境。深度学习具有较强的数据处理能力，能够应对复杂场景带来的挑战，适合应用在信号检测领域。DetNet是应用于大规模MIMO信号检测中的具有代表性的深度学习网络之一，本研究旨在对DetNet结构进行改进以提升检测性能。首先，去除输入端的冗余向量简化网络中每个检测单元的结构;其次，为了进一步提升网络性能，借鉴随机森林在每个决策树的输入端引入随机性的思想，通过复制网络将原网络中的检测单元扩充为两个，构造成孪生网络的结构，并在其输入端设置不同的初值向量。仿真结果表明，结构优化后的网络比原DetNet具有一定的性能提升。
- 出版日期2022-4-20
- 单位太原科技大学; 电子信息工程学院
