本文提出了一种基于深度学习方法的天线选择辅助空时移键控（STSK）多输入多输出（MIMO）系统。 更具体地说，我们首先从信道状态信息中提取信道特征，然后通过最大化关键性能指标来标记每个样本。 最后，我们将天线选择视为多类分类学习，并通过神经网络对样本进行分类，以选择支持实际通信的最佳天线子集。 仿真结果表明，神经网络可能比其他机器学习方法具有更高的准确性，并且相应的性能保持与最佳遍历搜索方法相近。