半摊销的编码器-解码器网络：用于稀疏大规模MIMO信道上的波束成形

《IEEE Open Journal of the Communications Society》：Semi-amortized Encoder-Decoder Network for Beamforming over Sparse Large-Scale MIMO Channels

　　

摘要：

我们开发了一种半摊销学习框架，用于大规模稀疏多输入多输出（MIMO）信道中的下行波束成形。该框架的核心是一个深度半摊销编码器-解码器网络（SA-EDN）架构，由三个模块组成：(i) 一个编码器神经网络（NN），部署在每个用户端，将估计的下行信道压缩成低维潜在表示，然后反馈给基站（BS）；(ii) 基站上的波束成形器解码器NN，首先将恢复的潜在向量映射到发射波束成形器，然后通过几步梯度上升来优化波束成形器；(iii) 也位于基站上的信道解码器NN，从恢复的潜在向量重建下行信道。SA-EDN的训练采用了两种关键策略：(a) 两阶段训练方案，第一阶段交替训练编码器NN和波束成形器解码器NN，第二阶段对信道解码器NN进行监督训练；(b) 知识蒸馏，第一阶段从使用线性最小均方误差（LMMSE）波束成形器作为标签的监督训练开始，逐渐过渡到使用总速率目标的无监督训练。所提出的SA-EDN波束成形框架适用于远场和近场混合波束成形场景。广泛的仿真结果表明，它在各种网络和信道条件下的有效性，以及相比几种基线方法的优越性。