論文の概要: Unsupervised Deep Learning for Massive MIMO Hybrid Beamforming

• arxiv url: http://arxiv.org/abs/2007.00038v2
• Date: Thu, 2 Jul 2020 21:35:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-15 06:22:54.012717
• Title: Unsupervised Deep Learning for Massive MIMO Hybrid Beamforming
• Title（参考訳）: 大規模MIMOハイブリッドビームフォーミングのための教師なし深層学習
• Authors: Hamed Hojatian, Jeremy Nadal, Jean-Francois Frigon, Francois Leduc-Primeau
• Abstract要約: ハイブリッドビームフォーミングは、MIMO(Multiple-input multiple-output)システムの複雑さとコストを低減するための有望な技術である。 本稿では,ハイブリッドビームフォーミングを設計するためのRSSIに基づく非教師なし深層学習手法を提案する。
• 参考スコア（独自算出の注目度）: 1.290382979353427
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hybrid beamforming is a promising technique to reduce the complexity and cost of massive multiple-input multiple-output (MIMO) systems while providing high data rate. However, the hybrid precoder design is a challenging task requiring channel state information (CSI) feedback and solving a complex optimization problem. This paper proposes a novel RSSI-based unsupervised deep learning method to design the hybrid beamforming in massive MIMO systems. Furthermore, we propose i) a method to design the synchronization signal (SS) in initial access (IA); and ii) a method to design the codebook for the analog precoder. We also evaluate the system performance through a realistic channel model in various scenarios. We show that the proposed method not only greatly increases the spectral efficiency especially in frequency-division duplex (FDD) communication by using partial CSI feedback, but also has near-optimal sum-rate and outperforms other state-of-the-art full-CSI solutions.
• Abstract（参考訳）: ハイブリッドビームフォーミング(hybrid beamforming)は、大量の複数入力多重出力(mimo)システムの複雑さとコストを低減し、高いデータレートを提供する、有望な技術である。 しかし、ハイブリッドプリコーダの設計は、チャネル状態情報(CSI)のフィードバックと複雑な最適化問題の解決を必要とする課題である。 本稿では,大規模MIMOシステムにおけるハイブリッドビームフォーミングを設計するためのRSSIに基づく非教師なしディープラーニング手法を提案する。 さらに 提案します 一 初期アクセス(ia)における同期信号(ss)を設計する方法、及び 二 アナログプリコーダのコードブックを設計する方法 また,様々なシナリオにおいて,現実的なチャネルモデルを用いてシステム性能を評価する。 提案手法は, 周波数分割二重化(fdd)通信において, 部分csiフィードバックによるスペクトル効率を大幅に向上させるだけでなく, ほぼ最適の和率を持ち, 最先端の全csiソリューションよりも優れることを示す。

関連論文リスト

• Random Aggregate Beamforming for Over-the-Air Federated Learning in Large-Scale Networks [66.18765335695414]
  本稿では,アグリゲーションエラーを最小限に抑え,選択したデバイス数を最大化する目的で,共同装置の選択とアグリゲーションビームフォーミング設計について検討する。 コスト効率のよい方法でこの問題に取り組むために,ランダムな集合ビームフォーミング方式を提案する。 また, 得られた集計誤差と, デバイス数が大きい場合に選択したデバイス数についても解析を行った。
  論文  参考訳（メタデータ） (2024-02-20T23:59:45Z)
• Deep Learning Assisted Multiuser MIMO Load Modulated Systems for Enhanced Downlink mmWave Communications [68.96633803796003]
  本稿では, マルチユーザ負荷変調アレイ (MU-LMA) に着目し, マイクロウェーブ (mmWave) マルチインプット・マルチアウトプット (MIMO) システムにおいて, マルチユーザ負荷変調アレイ (MU-LMA) の小型化とコスト削減を図っている。 ダウンリンクMU-LMAの既存のプリコーディングアルゴリズムは、自由度と複雑なシステム構成の低下に悩まされるサブアレイ構造化(SAS)送信機に依存している。 本稿では,FAS (Full-array Structured) 送信機を用いたMU-LMAシステムを提案し,それに応じて2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-11-08T08:54:56Z)
• Hybrid Knowledge-Data Driven Channel Semantic Acquisition and Beamforming for Cell-Free Massive MIMO [6.010360758759109]
  本稿では、ユビキタス・拡張現実(XR)アプリケーションのサポートを改善するために、屋外無線システムの進歩に焦点を当てる。 セルレス大規模マルチインプットマルチアウトプット(MIMO)システムにおいて,チャネル意味獲得とマルチユーザビームフォーミングのためのハイブリッド知識データ駆動方式を提案する。
  論文  参考訳（メタデータ） (2023-07-06T15:35:55Z)
• AI-Empowered Hybrid MIMO Beamforming [85.48860461696417]
  ハイブリッドマルチインプット・マルチアウトプット(MIMO)システムは、アナログおよびデジタルのビームフォーミングの一部を実装している。 近年、ハイブリッドビームフォーミング設計にデータ支援人工知能(AI)ツールを使うことへの関心が高まっている。 本稿では、リアルタイムハイブリッドビームフォーミング設計を改善するために、データを活用するための候補戦略についてレビューする。
  論文  参考訳（メタデータ） (2023-03-03T06:04:20Z)
• 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)
• Towards Efficient Subarray Hybrid Beamforming: Attention Network-based Practical Feedback in FDD Massive MU-MIMO Systems [9.320559153486885]
  本稿では,チャネル推定とフィードバックのための協調最適化ネットワークを提案する。 実験の結果,提案するネットワークは,リソースに敏感なユーザ機器において10倍以上軽量であることがわかった。
  論文  参考訳（メタデータ） (2023-02-05T15:12:07Z)
• PolarDenseNet: A Deep Learning Model for CSI Feedback in MIMO Systems [18.646674391114548]
  UEにおけるCSIを低次元の潜在空間に符号化し、基地局で復号する自動エンコーダアーキテクチャに基づくAIベースのCSIフィードバックを提案する。 シミュレーションの結果,AIに基づく提案したアーキテクチャは,最先端の高分解能線形組合せ符号ブックよりも優れていた。
  論文  参考訳（メタデータ） (2022-02-02T19:04:49Z)
• LoRD-Net: Unfolded Deep Detection Network with Low-Resolution Receivers [104.01415343139901]
  本稿では,1ビット計測から情報シンボルを復元する「LoRD-Net」というディープ検出器を提案する。 LoRD-Netは、関心のシグナルを回復するためのタスクベースのアーキテクチャである。 無線通信における1ビット信号回復のためのレシーバアーキテクチャの評価を行った。
  論文  参考訳（メタデータ） (2021-02-05T04:26:05Z)
• Deep Multi-Task Learning for Cooperative NOMA: System Design and Principles [52.79089414630366]
  我々は,近年のディープラーニング(DL)の進歩を反映した,新しいディープ・コラボレーティブなNOMAスキームを開発する。 我々は,システム全体を包括的に最適化できるように,新しいハイブリッドカスケードディープニューラルネットワーク(DNN)アーキテクチャを開発した。
  論文  参考訳（メタデータ） (2020-07-27T12:38:37Z)
• A Compressive Sensing Approach for Federated Learning over Massive MIMO Communication Systems [82.2513703281725]
  フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。 本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T05:56:27Z)
• RSSI-Based Hybrid Beamforming Design with Deep Learning [4.037009782513272]
  ハイブリッドビームフォーミングは、5Gミリ波通信の有望な技術である。 実践的なマルチインプットマルチアウトプットシステムでは実装が困難である。 適切な学習と関連する最適化を行うために,ディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-12T22:22:49Z)

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。