基于广义投影梯度下降算法的深度学习大规模MIMO信号检测

• Published in: 东南大学学报（自然科学版） Vol. 54; no. 4; pp. 961 - 971
• Main Authors: 黄永明, 王正
• Format: Journal Article
• Language: Chinese
• Published: 东南大学移动通信国家重点实验室,南京 211189%东南大学信息科学与工程学院,南京 211189 01.07.2024
• Subjects: massive multiple input multiple output(MIMO)detection; projected gradient descent; deep learning; 大规模MIMO检测; 去噪自动编码器; denoising auto-encoder; 投影梯度下降; 深度学习
• ISSN: 1001-0505
• DOI: 10.3969/j.issn.1001-0505.2024.04.020

TN929.5; 为了提升大规模MIMO系统的信号检测性能,对由投影和梯度下降(gradient descent,GD)这2个基础操作构成的投影梯度下降(projected gradient descent,PGD)算法进行研究.在基于PGD算法的大规模MIMO检测器中,由于投影和GD操作的损失函数不同,迭代时需要使两者达到平衡,因此通过广义投影梯度下降(generalized projected gradient descent,GPGD)方法实现了投影和GD操作的灵活选取.GPGD方法中在多次的GD步骤后执行1次投影,与传统方式中交替进行投影和GD操作相比,具有显著优势;同时为了保证算法的收敛效率,也对GD操作的步长进行了探究.另外,通过对GPGD算法进行基于深度神经网络的迭代展开,进一步构建了自纠错自动检测器的检测框架,有效提升检测性能和效率.仿真结果表明,GPGD方法带来了明显的系统增益,具有显著的优越性.