論文の概要: Efficient Autoprecoder-based deep learning for massive MU-MIMO Downlink
under PA Non-Linearities
- arxiv url: http://arxiv.org/abs/2202.03190v1
- Date: Thu, 3 Feb 2022 08:53:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-08 17:50:32.225706
- Title: Efficient Autoprecoder-based deep learning for massive MU-MIMO Downlink
under PA Non-Linearities
- Title（参考訳）: 自動プリコーダに基づく大規模MU-MIMOダウンリンクのためのPA非線形学習
- Authors: Xinying Cheng (CNAM, CEDRIC - LAETITIA), Rafik Zayani (CEA-LETI),
Marin Ferecatu (CNAM, CEDRIC - VERTIGO), Nicolas Audebert (CNAM, CEDRIC -
VERTIGO)
- Abstract要約: 本稿では,マルチユーザ干渉を解消し,重度非線形(NL)PA歪みを補償する新しい手法であるAP-mMIMOを提案する。
以前の研究とは異なり、AP-mMIMOは計算量が少ないため、地球規模のエネルギー効率の高いシステムに適している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper introduces a new efficient autoprecoder (AP) based deep learning
approach for massive multiple-input multiple-output (mMIMO) downlink systems in
which the base station is equipped with a large number of antennas with
energy-efficient power amplifiers (PAs) and serves multiple user terminals. We
present AP-mMIMO, a new method that jointly eliminates the multiuser
interference and compensates the severe nonlinear (NL) PA distortions. Unlike
previous works, AP-mMIMO has a low computational complexity, making it suitable
for a global energy-efficient system. Specifically, we aim to design the
PA-aware precoder and the receive decoder by leveraging the concept of
autoprecoder, whereas the end-to-end massive multiuser (MU)-MIMO downlink is
designed using a deep neural network (NN). Most importantly, the proposed
AP-mMIMO is suited for the varying block fading channel scenario. To deal with
such scenarios, we consider a two-stage precoding scheme: 1) a NN-precoder is
used to address the PA non-linearities and 2) a linear precoder is used to
suppress the multiuser interference. The NN-precoder and the receive decoder
are trained off-line and when the channel varies, only the linear precoder
changes on-line. This latter is designed by using the widely used zero-forcing
precoding scheme or its lowcomplexity version based on matrix polynomials.
Numerical simulations show that the proposed AP-mMIMO approach achieves
competitive performance with a significantly lower complexity compared to
existing literature. Index Terms-multiuser (MU) precoding, massive
multipleinput multiple-output (MIMO), energy-efficiency, hardware impairment,
power amplifier (PA) nonlinearities, autoprecoder, deep learning, neural
network (NN)
- Abstract（参考訳）: 本稿では,大規模マルチ入力マルチ出力(mMIMO)ダウンリンクシステムにおいて,省エネ電力増幅器(PA)を備えた多数のアンテナを備え,複数のユーザ端末にサービスを提供する,新しい効率的なオートプレコーダ(AP)に基づく深層学習手法を提案する。
本稿では,マルチユーザ干渉を解消し,重度非線形(NL)PA歪みを補償する新しい手法であるAP-mMIMOを提案する。
以前の研究とは異なり、AP-mMIMOは計算量が少なく、地球規模のエネルギー効率の高いシステムに適している。
具体的には、オートプリコーダの概念を利用して、pa対応プリコーダと受信デコーダを設計することを目的としているが、エンドツーエンドのマルチユーザ(mu)-mimoダウンリンクはディープニューラルネットワーク(nn)を用いて設計されている。
最も重要なことに、提案されたap-mmimoは様々なブロックフェージングチャネルシナリオに適している。
このようなシナリオに対処するために、2段階のプリコーディング方式を考える。
1) NN-precoder は、PA の非線形性に対処するために使用され、
2) マルチユーザ干渉を抑制するために線形プリコーダを用いる。
NN-precoderと受信デコーダはオフラインで訓練され、チャネルが変化すると、線形プレコーダのみがオンラインに変化する。
この後者は、広く使われているゼロ強制プリコーディングスキームまたは行列多項式に基づくその低複雑さバージョンを用いて設計されている。
数値シミュレーションにより, ap-mmimoアプローチは, 従来の文献に比べて複雑度が著しく低い競争性能を実現することが示された。
インデックス項-マルチユーザ(mu)プリコーディング、大量多入力多重出力(mimo)、エネルギー効率、ハードウェア障害、電力増幅器(pa)非線形、オートプレコーダ、ディープラーニング、ニューラルネットワーク(nn)
関連論文リスト
- 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) - Self-Supervised Learning of Linear Precoders under Non-Linear PA
Distortion for Energy-Efficient Massive MIMO Systems [9.324642081509756]
大規模多重入力多重出力(MIMO)システムは通常、線形パワー増幅器(PA)を前提として設計される。
しかしながら、PAは典型的には、飽和点近くで作動するときに最もエネルギー効率が良く、非線型歪みを引き起こす。
本研究では,チャネル行列とプリコーディング行列とのマッピングをニューラルネットワーク(NN)で学習し,この非線形歪みの存在を最大化する手法を提案する。
論文 参考訳（メタデータ） (2022-10-13T13:48:50Z) - Over-the-Air Split Machine Learning in Wireless MIMO Networks [56.27831295707334]
スプリット機械学習(ML)では、ニューラルネットワーク(NN)の異なるパーティションが異なる計算ノードによって実行される。
通信負担を軽減するため、OAC(Over-the-air calculation)は通信と同時に計算の全てまたは一部を効率的に実装することができる。
論文 参考訳（メタデータ） (2022-10-07T15:39:11Z) - An Adaptive Device-Edge Co-Inference Framework Based on Soft
Actor-Critic [72.35307086274912]
高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。
本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。
レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
論文 参考訳（メタデータ） (2022-01-09T09:31:50Z) - Two-Timescale End-to-End Learning for Channel Acquisition and Hybrid
Precoding [94.40747235081466]
本研究では,ミリ波(mmWave)大規模マルチインプット多重出力(MIMO)システムのためのエンドツーエンドの深層学習に基づくジョイントトランスシーバ設計アルゴリズムを提案する。
我々は受信したパイロットを受信機でフィードバックビットにマッピングし、さらに送信機でハイブリッドプリコーダにフィードバックビットをマッピングするDNNアーキテクチャを開発した。
論文 参考訳（メタデータ） (2021-10-22T20:49:02Z) - Secure Precoding in MIMO-NOMA: A Deep Learning Approach [11.44224857047629]
ディープニューラルネットワーク(DNN)を用いた2ユーザマルチインプット多重出力非直交多重アクセスチャネル上でのセキュア伝送のための新しいシグナリング設計を提案する。
提案したDNNは,各ユーザの信号を重畳する前に線形にプリコードし,実行時間を大幅に短縮してほぼ最適性能を実現する。
論文 参考訳（メタデータ） (2021-10-14T02:15:29Z) - Multi-Channel End-to-End Neural Diarization with Distributed Microphones [53.99406868339701]
EENDのTransformerエンコーダを,マルチチャネル入力を処理する2種類のエンコーダに置き換える。
また,単一チャンネル記録のみを用いたモデル適応手法を提案する。
論文 参考訳（メタデータ） (2021-10-10T03:24:03Z) - End-to-End Learning of OFDM Waveforms with PAPR and ACLR Constraints [15.423422040627331]
送信機にニューラルネットワーク(NN)を用いて,PAPRと隣接チャネルリーク比(ACLR)を制御可能な高次元変調方式を学習することを提案する。
2つのNNはOFDM上で動作し、PAPRとACLRの制約を強制するトレーニングアルゴリズムを使用して、エンドツーエンドで共同最適化される。
論文 参考訳（メタデータ） (2021-06-30T13:09:30Z) - Joint Deep Reinforcement Learning and Unfolding: Beam Selection and
Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。
本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
論文 参考訳（メタデータ） (2021-01-05T03:55:04Z) - Multi-Objective DNN-based Precoder for MIMO Communications [24.232286402470535]
本稿では,2ユーザマルチインプット多重出力(MIMO)ネットワークのための統合ディープニューラルネットワーク(DNN)ベースのプリコーダを提案する。
提案したプリコーダは、最適に近い性能を保ちながら、1桁以上の計算複雑性を低減させる。
論文 参考訳（メタデータ） (2020-07-06T17:20:46Z)
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。