基于L2O的MU-MIMO容量算法优化

在求解MU-MIMO容量优化问题时,传统数值优化算法的收敛速度较慢,而利用机器学习与传统数值优化相结合的方法可以有效提升求解效率,这种基于机器学习技术开发优化算法的方法被称为L2O。首先对MU-MIMO场景下容量优化相关的传统算法进行了讨论分析。然后,基于L2O思想,构建了嵌入DNN的有限步梯度投影算法。最后,通过大量仿真实验表明,相较于传统梯度投影算法,改进后的有限步梯度投影算法在具有较高求解质量的同时极大地提升了求解效率,能够在MU场景下更加有效地求解容量优化问题。