论文部分内容阅读
随着无线通信技术的发展,面向未来第六代（6G）移动通信技术的网络架构将变得庞大复杂,其支撑的无线业务呈爆炸式增长,现有的第五代（5G）移动通信技术将面临巨大挑战。近十年来,人工智能技术迎来了新一轮复兴和迅猛发展,吸引了几乎所有领域对其进行探索。利用人工智能技术解决无线通信领域的复杂需求,充分赋能未来6G移动通信技术已成为必然趋势。另外,深度学习作为人工智能领域的关键技术之一,凭借其强大的学习能力、处理大数据的天然优势和对领域专业知识的低要求,已被应用于物理层通信算法的设计和实现中。面对未来的通信需求,论文考虑四种当下热点通信技术,即毫米波通信技术、大规模天线技术、透镜天线技术和智能反射面（Intelligent Reflecting Surface,IRS）技术,利用深度学习方法的学习能力,结合物理层通信具体问题（即信道建模、信道估计、信道跟踪、信号检测和信道译码）的结构特征和专业知识,充分挖掘隐含在数据中的有用信息,从而有效提升算法效率,降低通信开销和计算复杂度,最终改善无线通信系统性能。首先,论文研究了 IRS辅助多输入单输出（Multiple-Input Single-Output,MISO）系统中的信道建模问题。由于IRS的无源特性,接入点（Access Point,AP）-IRS和IRS-用户信道通常难以获得,而级联的AP-IRS-用户信道（即反射信道）概率分布函数复杂,这使信道建模问题非常具有挑战性。论文利用反射信道的结构性特征提出了一种基于模型驱动生成对抗网络的信道建模框架,以减少对专业领域知识和实践经验的需求。针对多用户通信场景,论文基于不同用户反射信道之间的相关性设计了一种能同时对不同用户信道进行建模的多用户信道建模框架,能够大幅度减少网络参数,从而提高网络训练效率。同时论文通过理论分析证明了多用户信道建模框架所对应的极大极小博弈问题具有可达的全局最优解。仿真结果验证了该信道建模框架在单用户和多用户两种不同通信场景中的有效性。其次,论文研究了毫米波大规模透镜天线系统中的波束域信道估计问题。针对射频链有限空间域信道估计困难的问题,论文引入了透镜天线将毫米波空间域信道转化为波束域信道,并利用波束域信道的稀疏性特征提出了一种结合模型和数据的深度学习方法的波束域信道估计网络。通过将波束域信道估计问题视作稀疏信道恢复问题,论文设计了基于近似消息传递的深度残差学习波束域信道估计网络。该网络由两个子网络组成,第一个子网络通过展开近似消息传递算法的迭代过程得到,用于获得波束域信道粗估计,第二个深度残差子网络能够进一步降低信道噪声影响,得到细化的信道估计结果。仿真结果验证了该网络能够有效提高信道估计性能,在易于训练的同时,具有较低的在线计算复杂度。再次,论文研究了 IRS辅助无线通信系统中的时变信道跟踪与预测问题。在时变信道场景中,往往需要发送大量导频信号对信道进行频繁估计,这将导致极大的信道训练开销,降低系统实际通信速率。为了解决该问题,在所有链路信道都服从高斯-马尔可夫过程的合理假设下,论文提出了一种利用信道时间相关性来降低信道训练开销的两阶段传输协议:在第一阶段根据导频信号跟踪信道,在第二阶段直接预测信道。基于该协议,论文设计了一种两阶段信道跟踪和预测方案。针对IRS-AP信道为静态的特殊情况,论文提出了基于卡尔曼滤波的信道跟踪算法和基于长短时记忆（Long Short Term Memory,LSTM）网络的信道预测方法。针对所有信道皆为时变的一般情况,论文利用一种创新的近似方法来处理非高斯随机变量,从而提出了一种基于广义卡尔曼滤波的信道跟踪算法。仿真实验表明该方案相较于目前已有的基线方案而言能大大降低所需信道训练开销。然后,论文研究了大规模MIMO系统中的信号检测问题。针对因MIMO信道矩阵维度过大而导致的信号处理复杂度过高的问题,论文提出了一种基于共轭梯度下降法的深度学习MIMO检测网络,能在降低计算复杂度的同时提升检测性能。该网络通过展开共轭梯度下降法的迭代过程构造而成,并转化梯度下降步长作为可学习网络参数,通过训练获得。增加步长参数的维度可以进一步提升网络的检测性能。由于只需要优化少量的可学习参数,该网络收敛速度快且易于训练。另外,为了减少存储网络参数的内存开销,论文创新性地设计了一种可学习的神经网络参数量化方法,该方法中包含了一个低分辨率非均匀的可学习量化器,能够通过训练对量化器参数进行调节。仿真结果表明提出的MIMO检测网络能够获得优于基线算法的检测性能,同时降低了计算复杂度和存储开销。最后,论文研究了二进制线性码的信道译码问题。针对基于线性规划的译码算法译码时延较大的问题,论文提出了 一种基于多层感知器（Multiple Layer Perception,MLP）的惩罚对偶分解（Penalty Dual Decomposition,PDD）译码算法,该译码算法结合了PDD框架以及机器学习技术,能够有效提高译码性能并降低译码时延。论文首先将信道译码问题转化为一个基于基本多面体奇偶校验约束的线性译码问题,并引入PDD框架进行优化求解。另外,论文将MLP技术集成到PDD译码算法最耗时的校验多面体投影操作中,设计了一种基于神经网络的校验多面体投影算法来减少译码延迟时间。仿真结果验证了提出的译码算法的有效性。