基于干扰消除辅助稀疏连接神经网络的大规模MIMO信号检测

来源：电子与信息学报杂志2023年第1期北京时间：

作者：申滨, 阳建, 曾相誌, 崔太平

单位：重庆邮电大学通信与信息工程学院 重庆 400065

摘要：近年来，深度学习成为无线通信领域的关键技术之一。在基于深度学习的一系列MIMO信号检测算法中，大多未充分考虑相邻天线之间的干扰消除问题，无法彻底消除多用户干扰对误码率性能的影响。为此，该文提出一种将深度学习与串行干扰消除(SIC)算法进行结合的方法用于大规模MIMO系统上行链路信号检测。首先，通过优化传统的检测网络(DetNet)及改进ScNet检测算法，该文提出一种基于深度神经网络(DNN)的检测算法，称为ImpScNet。在此基础上，进一步将SIC思想应用到深度学习框架结构设计中，提出一种基于深度学习的大规模MIMO多用户SIC检测算法，称为ImpScNet-SIC。此算法在每个检测层上分为两级，其中，第1级由该文提出的ImpScNet算法提供初始解，再将初始解解调至相应的星座点上作为SIC的输入，由此构成该算法的第2级。此外，在SIC中也使用了ImpScNet算法估计传输符号，以便获得最优性能。仿真结果表明，与已有的各种典型代表算法相比，该文所提ImpScNet-SIC检测算法特别适合大规模MIMO信号检测，具有收敛速度快、收敛稳定及复杂度相对较低的优势，并且在10–3误码率上有至少0.5 dB以上的增益。

关键词：信号检测, 深度学习, 多用户干扰, 大规模MIMO, 稀疏连接, 串行干扰消除

基金资助：国家自然科学基金(62071078)