論文の概要: Deep Learning Based Hybrid Precoding in Dual-Band Communication Systems
- arxiv url: http://arxiv.org/abs/2107.07843v1
- Date: Fri, 16 Jul 2021 12:10:32 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-19 14:31:49.004957
- Title: Deep Learning Based Hybrid Precoding in Dual-Band Communication Systems
- Title（参考訳）: デュアルバンド通信システムにおけるディープラーニングに基づくハイブリッドプリコーディング
- Authors: Rafail Ismayilov, Renato L. G. Cavalcante, S{\l}awomir Sta\'nczak
- Abstract要約: 本研究では,サブ6GHz帯から抽出した空間的・時間的情報を用いてミリ波帯のビームを予測・追跡する深層学習手法を提案する。
サブ6GHz帯とミリ波帯の両方で動作するデュアルバンド通信システムについて検討する。
- 参考スコア（独自算出の注目度）: 34.03893373401685
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a deep learning-based method that uses spatial and temporal
information extracted from the sub-6GHz band to predict/track beams in the
millimeter-wave (mmWave) band. In more detail, we consider a dual-band
communication system operating in both the sub-6GHz and mmWave bands. The
objective is to maximize the achievable mutual information in the mmWave band
with a hybrid analog/digital architecture where analog precoders (RF precoders)
are taken from a finite codebook. Finding a RF precoder using conventional
search methods incurs large signalling overhead, and the signalling scales with
the number of RF chains and the resolution of the phase shifters. To overcome
the issue of large signalling overhead in the mmWave band, the proposed method
exploits the spatiotemporal correlation between sub-6GHz and mmWave bands, and
it predicts/tracks the RF precoders in the mmWave band from sub-6GHz channel
measurements. The proposed method provides a smaller candidate set so that
performing a search over that set significantly reduces the signalling overhead
compared with conventional search heuristics. Simulations show that the
proposed method can provide reasonable achievable rates while significantly
reducing the signalling overhead.
- Abstract（参考訳）: 本研究では,サブ6GHz帯から抽出した空間的・時間的情報を用いてミリ波帯のビームを予測・追跡する深層学習手法を提案する。
より詳しくは、サブ6GHz帯とmmWave帯の両方で動作するデュアルバンド通信システムについて考察する。
目的は、アナログプリコーダ(RFプリコーダ)を有限コードブックから取り出すハイブリッドアナログ/デジタルアーキテクチャにより、mmWaveバンド内の達成可能な相互情報を最大化することである。
従来の探索手法を用いてRFプリコーダを見つけると、信号のオーバーヘッドが大きくなり、RF鎖の数や位相シフト器の分解能が大きくなる。
提案手法は、サブ-6ghz帯とmm波帯の時空間相関を利用して、サブ6ghzチャンネル測定からmm波帯のrfプリコーダを予測・追跡する。
提案手法は,従来型の検索ヒューリスティックに比べて信号処理のオーバーヘッドを大幅に削減するために,より小さな候補セットを提供する。
シミュレーションにより,提案手法は信号のオーバヘッドを大幅に低減しつつ,合理的な達成率を提供できることが示された。
関連論文リスト
- RF Challenge: The Data-Driven Radio Frequency Signal Separation Challenge [66.33067693672696]
本稿では、新しいデータ駆動手法を用いて、高周波信号における干渉拒否の重大な問題に対処する。
まず、干渉除去アルゴリズムの開発と解析の基礎となる洞察に富んだ信号モデルを提案する。
第2に,さまざまなRF信号とコードテンプレートを備えた公開データセットであるRF Challengeを紹介する。
第3に,UNetやWaveNetなどのアーキテクチャにおいて,新しいAIに基づく拒絶アルゴリズムを提案し,その性能を8種類の信号混合タイプで評価する。
論文 参考訳（メタデータ） (2024-09-13T13:53:41Z) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳（メタデータ） (2022-05-22T12:16:43Z) - Waveform Learning for Next-Generation Wireless Communication Systems [16.26230847183709]
本稿では,送信受信フィルタ,星座形状,それに付随するビットラベリング,およびニューラルネットワーク(NN)ベースの検出器の結合設計のための学習に基づく手法を提案する。
この方法は、隣接するチャネルリーク比(ACLR)とピーク・ツー・アベイジ・パワー比(PAPR)の制約を同時に満たしつつ、達成可能な情報レートを最大化する。
論文 参考訳（メタデータ） (2021-09-02T14:51:16Z) - Model-Driven Deep Learning Based Channel Estimation and Feedback for
Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。
無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。
MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-04-22T13:34:53Z) - Digital Beamforming Robust to Time-Varying Carrier Frequency Offset [21.18926642388997]
時変キャリア周波数オフセットから発生する信号の破損に頑健な新しいビームフォーミングアルゴリズムを提案する。
パイロットと干渉器信号に未知の時変周波数ドリフトが存在する場合に干渉をキャンセルできる重みベクトルを設計するための2つの原子ノルム最小化(anm)方式を提案する。
論文 参考訳（メタデータ） (2021-03-08T18:08:56Z) - Two-step Machine Learning Approach for Channel Estimation with Mixed
Resolution RF Chains [19.0581196881206]
機械学習(ML)アルゴリズムを適用し,効率的なアップリンクチャネル推定手法を提案する。
第1ステップでは、条件付き生成逆転ネットワーク(cGAN)は、フル解像度RFチェーンの限られたセットから低解像度RFチェーンアンテナ要素の残りの部分まで、無線チャネルを予測します。
長期長期メモリ(LSTM)ニューラルネットワークは、低分解能RFチェーンアンテナ要素からさらなる位相情報を抽出します。
論文 参考訳（メタデータ） (2021-01-24T12:33:54Z) - Multi-hop RIS-Empowered Terahertz Communications: A DRL-based Hybrid
Beamforming Design [39.21220050099642]
テラヘルツ帯における無線通信 (0.1-10thz) は、将来の第6世代 (6g) 無線通信システムの鍵となる技術の一つとして考えられている。
マルチホップRIS対応通信ネットワークのための新しいハイブリッドビームフォーミング方式を提案し,THz帯域でのカバレッジ範囲を改善する。
論文 参考訳（メタデータ） (2021-01-22T14:56:28Z) - Distributional Reinforcement Learning for mmWave Communications with
Intelligent Reflectors on a UAV [119.97450366894718]
無人航空機(UAV)搭載のインテリジェントリフレクタ(IR)を用いた新しい通信フレームワークを提案する。
ダウンリンク和率を最大化するために、最適プリコーディング行列(基地局)と反射係数(IR)を共同で導出する。
論文 参考訳（メタデータ） (2020-11-03T16:50:37Z) - Hybrid Beamforming for RIS-Empowered Multi-hop Terahertz Communications:
A DRL-based Method [43.95403787396996]
TeraHertzバンド(0.1-10 THz)における無線通信は、将来の6世代(6G)無線通信システムにおいて重要な技術のひとつとして想定されている。
本稿では,マルチホップRIS支援通信ネットワークのための新しいハイブリッドビームフォーミング方式を提案する。
論文 参考訳（メタデータ） (2020-09-20T07:51:49Z) - Deep Learning Based Antenna Selection for Channel Extrapolation in FDD
Massive MIMO [54.54508321463112]
大規模なマルチインプット多重出力(MIMO)システムでは、多数のアンテナが正確なチャネル状態情報を取得する上で大きな課題となる。
ニューラルネットワーク(NN)を用いて、アップリンクとダウンリンクチャネルデータセット間の固有の接続を捕捉し、アップリンクチャネル状態情報のサブセットからダウンリンクチャネルを外挿する。
アンテナサブセット選択問題について検討し、最高のチャネル外挿を実現し、NNのデータサイズを小さくする。
論文 参考訳（メタデータ） (2020-09-03T13:38:52Z) - 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)
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。