基于深度学习的下行大规模MIMO OFDM系统的1比特预编码算法

作者：周宸颢; 温利嫄; 钱骅; 康凯^*

来源：电子与信息学报, 2023, 46(3): 1-9.

DOI：10.11999/JEIT230239

• 大规模多输入多输出
• 预编码
• 正交频分复用(OFDM)
• 迭代展开
• 神经网络

大规模多输入多输出(MIMO)系统中通过在基站端配备数百根天线，在提高频谱利用效率的同时，也带来了系统成本的增加。本课题组之前提出了一种适用于下行大规模MIMO正交频分复用(OFDM)系统的收敛保证的多载波1比特预编码算法(CG-MC1bit)，能够获得较优的系统性能，但相应的计算复杂度较高，阻碍了其在实时系统中的应用。为进一步解决大规模MIMO系统中的成本和功耗问题，该文提出了一个模型驱动的神经网络，在CG-MC1bit算法的基础上迭代展开(Unfolding)得到了一种更加高效的CG-MC1bit-Net算法。具体而言，将迭代算法展开为一个神经网络，并引入可训练的参数来替代前向传播中的高复杂性操作。实验结果表明，该方法能够自动更新参数，与传统的预编码算法相比，收敛速度更快，计算复杂度更低。

• 单位
  中国科学院上海高等研究院; 中国科学院大学; 上海科技大学