基于SAMP-Net的MIMO信号检测算法
Signal detection based on SAMP-Net method for MIMO systems
  
DOI:
中文关键词:  深度学习;迭代算法;模型驱动;MIMO检测
英文关键词:deep learning;iterative algorithm;model-driven;MIMO detection
基金项目:江苏省自然科学基金(BK20181392)资助项目
作者单位
胡钟秀 南京邮电大学 通信与信息工程学院,江苏南京210003 
王鸿 南京邮电大学 通信与信息工程学院,江苏南京210003 
宋荣方 南京邮电大学 通信与信息工程学院,江苏南京210003 
摘要点击次数: 172
全文下载次数: 54
中文摘要:
      文中提出了一种用于多输入多输出(MIMO)检测的模型驱动型深度学习网络。首先,对MIMO系统信号检测问题进行了建模,并且介绍了几种传统检测算法;然后,将简化近似消息传递(SAMP)迭代检测算法与深度学习结合,通过展开原算法得到网络结构,提出了新型模型驱动的深度学习网络SAMP-Net,通过学习得到最优可训练的参数,提高检测性能;最后,将其与最小均方误差(MMSE)算法、Richardson算法、SAMP算法进行检测性能比较。仿真结果表明,SAMP-Net算法可以在瑞利MIMO信道中以较低计算复杂度逼近MMSE算法的检测性能。
英文摘要:
      A model-driven deep learning network for multiple-input multiple-output (MIMO) detection is proposed.Firstly,the signal detection problem of MIMO system is modeled and several traditional iterative detection algorithms are introduced.Secondly,a new model-driven deep learning network,called the SAMP-Net,is proposed by combining the simplified approximate messaging (SAMP) iterative detection algorithm with deep learning.Finally,the detection performance of SAMP-Net algorithm is compared with that of the minimum mean square error (MMSE) algorithm,Richardson algorithm and SAMP algorithm.Simulation results show that the SAMP-Net algorithm can approach the detection performance of the MMSE algorithm with low computational complexity in Rayleigh MIMO channels.
查看全文  查看/发表评论  下载PDF阅读器

你是第2015870访问者
版权所有《南京邮电大学学报(自然科学版)》编辑部
Tel:86-25-85866913 E-mail:xb@njupt.edu.cn
技术支持:本系统由北京勤云科技发展有限公司设计