BriefGPT - AI 论文速递
·
GCEPNet: 基于图卷积增强的期望传播在大规模 MIMO 检测中的应用
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文章提出了一种基于深度学习的方法，用于高效计算埃尔米特矩阵的逆矩阵，并应用于上行大规模MIMO系统中的信号检测。该方法通过离线训练优化多项式展开项的系数，收敛速度和计算复杂度优于传统方法。离线训练过程时间稍长，但训练过程仍然很快。
🎯
关键要点
- 提出了一种基于深度学习的方法，用于高效计算埃尔米特矩阵的逆矩阵。
- 采用截断多项式展开来优化多项式展开项的系数。
- 该方法应用于上行大规模MIMO系统中的信号检测。
- 使用截断多项式展开近似线性检测器所需的矩阵逆运算。
- 仿真结果表明，该方法在渐近收敛速度上优于传统方法。
- 减少了在线检测阶段的计算复杂度。
- 离线训练过程时间稍长，但训练过程仍然很快。
➡️
