Deep Unfolded Simulated Bifurcation for Massive MIMO Signal Detection

要約

MIMO (Multiple-Input Multiple Output) は、次世代ワイヤレス通信の重要な要素です。
最近、従来の検出器と比較して検出性能を向上させるために、深層学習技術と量子アルゴリズムに基づくさまざまな MIMO 信号検出器が提案されています。
この論文では、量子にヒントを得たアルゴリズムであるシミュレーテッド分岐 (SB) アルゴリズムに焦点を当てます。
本稿では、その検出性能を向上させるための 2 つの手法を提案します。
1 つ目は、Levenberg-Marquardt アルゴリズムにヒントを得たアルゴリズムを変更して、最尤検出の極小値を排除することです。
2 つ目は、反復アルゴリズムの内部パラメーターをトレーニングするための深層学習技術であるディープ アンフォールディングの使用です。
SB の更新規則を微分可能にすることにより、深く展開された SB を提案します。
数値結果は、これらの提案された検出器が大規模 MIMO システムにおける信号検出性能を大幅に向上させることを示しています。

要約(オリジナル)

Multiple-input multiple-output (MIMO) is a key ingredient of next-generation wireless communications. Recently, various MIMO signal detectors based on deep learning techniques and quantum(-inspired) algorithms have been proposed to improve the detection performance compared with conventional detectors. This paper focuses on the simulated bifurcation (SB) algorithm, a quantum-inspired algorithm. This paper proposes two techniques to improve its detection performance. The first is modifying the algorithm inspired by the Levenberg-Marquardt algorithm to eliminate local minima of maximum likelihood detection. The second is the use of deep unfolding, a deep learning technique to train the internal parameters of an iterative algorithm. We propose a deep-unfolded SB by making the update rule of SB differentiable. The numerical results show that these proposed detectors significantly improve the signal detection performance in massive MIMO systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google