論文の概要: Learning Based Hybrid Beamforming Design for Full-Duplex Millimeter Wave Systems

• arxiv url: http://arxiv.org/abs/2004.08285v1
• Date: Thu, 16 Apr 2020 15:48:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 21:18:59.395481
• Title: Learning Based Hybrid Beamforming Design for Full-Duplex Millimeter Wave Systems
• Title（参考訳）: 全二重ミリ波の学習に基づくハイブリッドビームフォーミング設計
• Authors: Shaocheng Huang, Yu Ye, Ming Xiao
• Abstract要約: 我々は、FD mmWaveシステムのためのHBF設計のための2つの学習スキーム、すなわち、極端な学習マシンベースのHBFと畳み込みニューラルネットワークベースのHBFを提案する。 その結果、どちらの学習ベーススキームもより堅牢なHBF性能を実現し、少なくとも22.1%のスペクトル効率が得られることが示された。
• 参考スコア（独自算出の注目度）: 22.478350298755892
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Millimeter Wave (mmWave) communications with full-duplex (FD) have the potential of increasing the spectral efficiency, relative to those with half-duplex. However, the residual self-interference (SI) from FD and high pathloss inherent to mmWave signals may degrade the system performance. Meanwhile, hybrid beamforming (HBF) is an efficient technology to enhance the channel gain and mitigate interference with reasonable complexity. However, conventional HBF approaches for FD mmWave systems are based on optimization processes, which are either too complex or strongly rely on the quality of channel state information (CSI). We propose two learning schemes to design HBF for FD mmWave systems, i.e., extreme learning machine based HBF (ELM-HBF) and convolutional neural networks based HBF (CNN-HBF). Specifically, we first propose an alternating direction method of multipliers (ADMM) based algorithm to achieve SI cancellation beamforming, and then use a majorization-minimization (MM) based algorithm for joint transmitting and receiving HBF optimization. To train the learning networks, we simulate noisy channels as input, and select the hybrid beamformers calculated by proposed algorithms as targets. Results show that both learning based schemes can provide more robust HBF performance and achieve at least 22.1% higher spectral efficiency compared to orthogonal matching pursuit (OMP) algorithms. Besides, the online prediction time of proposed learning based schemes is almost 20 times faster than the OMP scheme. Furthermore, the training time of ELM-HBF is about 600 times faster than that of CNN-HBF with 64 transmitting and receiving antennas.
• Abstract（参考訳）: ミリ波 (mmWave) とフルデュプレックス (FD) の通信は、半デュプレックスの通信に比べてスペクトル効率を高める可能性がある。 しかし、FDからの残差自己干渉(SI)とmmWave信号固有の高パスロスはシステム性能を低下させる可能性がある。 一方、ハイブリッドビームフォーミング(HBF)は、チャネルゲインを高め、干渉を合理的な複雑さで緩和する効率的な技術である。 しかし、従来のFD mmWaveシステムに対するHBFアプローチは、チャネル状態情報の品質(CSI)に強く依存しすぎている最適化プロセスに基づいている。 我々は、FD mmWaveシステムのためのHBF設計のための2つの学習スキーム、すなわち、エクストリームラーニングマシンベースのHBF(ELM-HBF)と畳み込みニューラルネットワークベースのHBF(CNN-HBF)を提案する。 具体的には、まず、SIキャンセルビームフォーミングを実現するための乗算器(ADMM)ベースのアルゴリズムの交互方向法を提案し、次いでHBF最適化のための最大化最小化(MM)ベースのアルゴリズムを用いる。 学習ネットワークを学習するために,ノイズチャネルを入力としてシミュレートし,提案するアルゴリズムで計算したハイブリッドビームフォーマをターゲットとして選択する。 その結果、どちらの学習ベーススキームもより堅牢なHBF性能を実現し、直交マッチング追従(OMP)アルゴリズムと比較して少なくとも22.1%高いスペクトル効率を達成することができた。 さらに,提案手法のオンライン予測時間は,OMP方式の約20倍高速である。 さらに、EMM-HBFの訓練時間は、CNN-HBFの約600倍の速さで、送信アンテナは64である。

関連論文リスト

• Semi-Federated Learning: Convergence Analysis and Optimization of A Hybrid Learning Framework [70.83511997272457]
  本稿では,ベースステーション(BS)とデバイスの両方を活用するセミフェデレーション学習(SemiFL)パラダイムを提案し,中央集権学習(CL)とFLのハイブリッド実装を提案する。 我々はこの難解な問題を解くための2段階のアルゴリズムを提案し、ビームフォーマに閉形式解を提供する。
  論文  参考訳（メタデータ） (2023-10-04T03:32:39Z)
• Deep Learning for Hybrid Beamforming with Finite Feedback in GSM Aided mmWave MIMO Systems [9.320559153486885]
  ハイブリッドビームフォーミングはミリ波多重出力(MIMO)システムにおいて重要な技術として広く認識されている。 ディープラーニングの助けを借りて、GSMハイブリッドビームフォーマは、教師なし学習をエンドツーエンドで設計する。
  論文  参考訳（メタデータ） (2023-02-15T11:42:43Z)
• A Novel Channel Identification Architecture for mmWave Systems Based on Eigen Features [14.341218918618567]
  本稿では,LOS(Line-of- sight)環境とNLOS(Non-LOS)環境におけるチャネル識別技術について述べる。 本稿では,ユーザ機器(UE)の限られた計算能力を考えると,固有特徴に基づく新しいチャネル識別アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-04-11T12:42:22Z)
• Integrate Lattice-Free MMI into End-to-End Speech Recognition [87.01137882072322]
  音声認識(ASR)研究において、識別基準はDNN-HMMシステムにおいて優れた性能を達成している。 このモチベーションにより、差別的基準の採用は、エンドツーエンド(E2E)のASRシステムの性能を高めることを約束している。 これまでの研究は、最小ベイズリスク(MBR、差別基準の一つ)をE2E ASRシステムに導入してきた。 本研究では,他の広く使われている識別基準であるLF-MMIをE2Eに統合する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-03-29T14:32:46Z)
• Neural Calibration for Scalable Beamforming in FDD Massive MIMO with Implicit Channel Estimation [10.775558382613077]
  チャネル推定とビームフォーミングは、周波数分割二重化(FDD)大規模マルチインプット多重出力(MIMO)システムにおいて重要な役割を果たす。 受信したアップリンクパイロットに応じて,基地局のビームフォーマを直接最適化する深層学習方式を提案する。 エンド・ツー・エンドの設計のスケーラビリティを向上させるために,ニューラルキャリブレーション法を提案する。
  論文  参考訳（メタデータ） (2021-08-03T14:26:14Z)
• Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
  そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。 推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。 提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
  論文  参考訳（メタデータ） (2021-07-27T06:57:56Z)
• Federated Dropout Learning for Hybrid Beamforming With Spatial Path Index Modulation In Multi-User mmWave-MIMO Systems [19.10321102094638]
  SPIM-MIMOシステムにおけるビームフォーマー設計のためのモデルベースおよびモデルフリーフレームワークを紹介します。 提案手法は,最新のSPIM-MIMO法やmmWave-MIMO法よりも高いスペクトル効率を示す。
  論文  参考訳（メタデータ） (2021-02-15T10:49:26Z)
• Distributed Conditional Generative Adversarial Networks (GANs) for Data-Driven Millimeter Wave Communications in UAV Networks [116.94802388688653]
  無人航空機(UAV)無線ネットワークにおけるミリ波(mmWave)通信のための,データ駆動型空対地(A2G)チャネル推定手法を提案する。 実効的なチャネル推定手法を開発し、各UAVは、各ビームフォーミング方向に沿って条件付き生成対向ネットワーク(CGAN)を介してスタンドアロンチャネルモデルを訓練することができる。 分散CGANアーキテクチャに基づく協調的なフレームワークを開発し、各UAVがmmWaveチャネルの分布を協調的に学習できるようにする。
  論文  参考訳（メタデータ） (2021-02-02T20:56:46Z)
• Learning to Beamform in Heterogeneous Massive MIMO Networks [48.62625893368218]
  大規模マルチインプット多重出力(MIMO)ネットワークにおいて最適なビームフォーマを見つけることはよく知られている問題である。 本稿では,この問題に対処するための新しい深層学習に基づく論文アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-08T12:48:06Z)
• Deep Denoising Neural Network Assisted Compressive Channel Estimation for mmWave Intelligent Reflecting Surfaces [99.34306447202546]
  本稿では,mmWave IRSシステムに対するディープデノイングニューラルネットワークを用いた圧縮チャネル推定法を提案する。 我々はまず、受信チェーンをほとんど使わず、アップリンクのユーザ-IRSチャネルを推定するハイブリッド・パッシブ/アクティブIRSアーキテクチャを導入する。 完全チャネル行列は、圧縮センシングに基づいて限られた測定値から再構成することができる。
  論文  参考訳（メタデータ） (2020-06-03T12:18:57Z)
• Learning Based Hybrid Beamforming for Millimeter Wave Multi-User MIMO Systems [22.478350298755892]
  本稿では,ビームフォーマの送信と受信を協調的に最適化する極端学習機械(ELM)フレームワークを提案する。 FP-MM-HBF と ELM-HBF はどちらも,既存の手法に比べて高いシステム和率を提供できる。
  論文  参考訳（メタデータ） (2020-04-27T16:31:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。