系统工程与电子技术

作者：许耀华, 朱成龙, 王翊, 蒋芳, 丁梦琴, 王慧平

单位：安徽大学计算智能与信号处理教育部重点实验室, 安徽 合肥 230601

关键词：大规模多输入多输出,深度神经网络,信号检测

基金：中国科学院上海微系统与信息技术研究所无线传感网与通信研究所(20190911)

随着5G和未来移动无线网络的不断发展, 大规模多输入多输出(multiple input multiple output, MIMO)是其中的关键技术之一。随着天线数目的不断增加, 给接收机的设计带来更高的挑战, 复杂度过高的检测算法在实际中难以应用。本文将一种高并行(high-parallelism, HP)检测算法展开到神经网络中, 单层神经网络基于该算法的每次迭代, 并将其与可训练的权重参数和非线性神经单元相结合, 提出基于网络结构HP-Net的方法。通过训练HP-Net得到最优可训练参数, 进而提高检测性能。实验结果表明, 所提方法相对传统最小均方误差(minimum mean square error, MMSE)算法复杂度更低, 并能够得到更低的误码率; 同时相对HP并行检测算法误码率性能更优。

来源：2022年第12期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2022年第12期