BriefGPT - AI 论文速递
·
模块化接收波束成形的快速和低功耗学习优化
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种用于上行模块化混合MIMO系统中波束赋形的功率优化算法，通过学习数据实现快速操作，并通过调整优化器的超参数保持可解释性操作。优化器的学习可以鼓励功率有效的波束赋形，减少了调整模块化MIMO接收器所需的迭代次数和计算时延，并获得理想的平衡。
🎯
关键要点
- 提出了一种用于上行模块化混合MIMO系统中波束赋形的功率优化算法。
- 通过学习数据实现快速操作。
- 采用带有动量的投影梯度上升步骤解决速率最大化目标。
- 利用数据调整优化器的超参数，确保在固定且较少的迭代次数内可靠运行。
- 学习优化器鼓励功率有效的波束赋形，提升低分辨率相移和去激活模拟元件的架构。
- 数值结果表明，学习优化方法显著减少了调整模块化MIMO接收器所需的迭代次数和计算时延。
- 允许在功率有效设计和吞吐量之间获得理想的平衡。
➡️
