Resumen

La tecnología MIMO (massive multiple-input multiple-output) es una de las tecnologías centrales de la 5G, que puede mejorar significativamente la eficiencia espectral. Debido al gran número de antenas MIMO masivas, la complejidad computacional de la detección ha aumentado significativamente, lo que supone un reto importante para los algoritmos de detección tradicionales. Sin embargo, el uso del aprendizaje profundo para la detección MIMO masiva puede lograr un alto grado de paralelismo computacional, y el aprendizaje profundo constituye un importante enfoque técnico para resolver el problema de la detección de señales. Este trabajo propone una red neuronal profunda para la detección masiva MIMO, denominada Red de Mapeo Multisegmento (MsNet). MsNet se obtiene optimizando las redes de detección anteriores, denominadas DetNet y ScNet. MsNet simplifica aún más la estructura de conexión dispersa y reduce la complejidad de la red, que también cambia los coeficientes de la estructura residual de la red en variables entrenables. Además, este trabajo diseña una función de activación para mejorar el rendimiento de la detección MIMO masiva en escenarios de modulación de alto orden. Los resultados de la simulación muestran que MsNet tiene un mejor rendimiento de la tasa de error de símbolo (SER) y tanto la complejidad computacional como el número de parámetros de entrenamiento se reducen significativamente.

• Materias:Radiofrecuencia Teoría de Antenas Redes Inalámbricas Banda ancha Ondas de radiofrecuencia
• Subjects:Radio frequency Antenna theory Wireless Networks Broadband Radio frequency waves
• Palabras claves:detección masiva de mimo, aprendizaje profundo, complejidad computacional, msnet, problema de detección de señales, escenario de modulación de orden, estructura de conexión dispersa, tasa de error de símbolo, mapeo multisegmento nombrado, algoritmo de detección tradicional
• Keywords:massive mimo detection, deep learning, computational complexity, msnet, signal detection problem, order modulation scenario, sparse connection structure, symbol error rate, named multisegment mapping, traditional detection algorithm