MIMO PDA Autoencoder (NN Modulator + Deep-Unfolded PDA)

概要

End-to-end learning of a MIMO transmitter/receiver as an autoencoder — NN-based constellation shaping + deep-unfolded PDA with trainable ASB scaling.

本リポジトリは、MIMO 通信路の繰り返し信号検出 (PDA: Probabilistic Data Association) を対象に、

• 変調器: ニューラルネットワーク (NN: Neural Network) による信号点配置のデータ駆動設計
• 検出器: PDA に 深層展開 (DU: Deep Unfolding) を適用し、ASB (Adaptively Scaled Belief) のスケーリング係数を学習

を通信系全体の自己符号化器 (autoencoder) として end-to-end 最適化するための計算機シミュレーションコードです。 研究詳細は技報 (IEICE) をご参照ください。

特徴

• レイリーフェージング MIMO 通信路を想定
• 変調器は QAM / NN を選択可能
• 検出器は PDA / PDA-ASB / PDA-DU を選択可能
• 学習経過を可視化
  • loss 等の推移
  • 信号点配置
• テスト結果をグラフ表示
  • ビット誤り率 (BER) 特性
  • シンボル誤り率 (SER) 特性

動作環境

• 必須

  • Python 3.x
  • NumPy
  • PyTorch

• 可視化・ノートブック実行用

  • matplotlib
  • Jupyter

pip install numpy torch matplotlib

使い方

1. 依存関係を導入（上記）
2. Jupyter で main.ipynb を開いて上から実行

シミュレーションの流れ

1. 設定: SIM（設定用オブジェクト）に設定パラメータを入れる
2. 事前学習: 検出器に MMSE (Minimum Mean Square Error) を用いた学習で NN 変調器の初期配置を安定化（NN 変調器を選択した場合）
3. 本学習: end-to-end 学習（NN 変調器または PDA-DU 検出器を選択した場合）
4. テスト: 設定した各 $E_\mathrm{s} / N_0$ に対して BER と SER を算出

補足:

• main.ipynb には Google Colab を想定した Drive マウント処理が含まれています。Google Colab で実行する際はパスを調整してください。

設定パラメータ (SIM)

学習 / テスト 共通設定

パラメータ名	意味
use_nnmod	True: NN 変調器 / False: QAM
ASB_mode	"none": PDA / "ASB": PDA-ASB / "DU": PDA-DU
M, N	送信・受信アンテナ本数
Q_ant	アンテナあたりの変調多値数
Kd	データフレーム長
num_joint_ant	NN 変調時および信号検出時のアンテナ結合本数
niter_PDA	PDA 反復回数
d1, d2	ASB 係数の調整パラメータ (PDA-DU の初期値)
env_server	True: 並列処理あり / False: 並列処理なし
nworker	並列ワーカー数

Q_ant の詳細

use_nnmod=False の場合、 $2$ または $4^n$ ($n$ は任意の自然数) で指定可能。use_nnmod=True の場合は $2$ 以上の任意の自然数で指定可能。

num_joint_ant の詳細

現在 0.5, 1 のみ指定可能

• 0.5: シンボルの実部（同相成分）と虚部（直交成分）を別々に検出する。NN変調器の場合、格子状の信号点配置になる。
• 1: シンボルの実部と虚部を合わせて検出する。NN変調器の場合、非格子状の信号点配置になる。

学習設定

パラメータ名	意味
epochs, mbs	エポック数、ミニバッチ数
EsN0_train	学習時 $E_\mathrm{s} / N_0 \ [\mathrm{dB}]$ (単一値または1次元配列)
hidden_depth, hidden_dim	変調器の隠れ層 (中間層) の深さ・次元
ind_cons	各送信アンテナがもつ NN 変調器の信号点配置の独立性 True: 独立 / False: 同一
lr_mod, lr_det	変調器 / 検出器の学習率
drop_start_mod, drop_start_det	変調器 / 検出器のスケジューラの開始エポック
drop_factor_mod, drop_factor_det	変調器 / 検出器のスケジューラの学習率減衰係数 減衰係数は 1 エポック毎に乗算

テスト設定

パラメータ名	意味
EsN0_test	テスト時 $E_\mathrm{s} / N_0 \ [\mathrm{dB}]$ の1次元配列
nloop_max	$E_\mathrm{s}/N_0$ 毎の最大シミュレーション回数
SE_max	$E_\mathrm{s} / N_0$ 毎のシンボルエラー数の上限 (この値に達すると早期終了)

nloop_max と SE_max の補足

• 早期終了させない場合は SE_max=float('inf') に設定すること
• シンボルエラー数が SE_max に達するまで計算を継続する場合は nloop_max=float('inf') に設定すること
• nloop_max と SE_max の両方を float('inf') に設定すると計算が終了しないため、どちらかは有限値に設定すること

参考文献

• IEICE 技報（研究会発表）
• ASB (Adaptively Scaled Belief) に関する先行研究

ライセンス

MIT License