論文の概要: Massive MIMO Beam Management in Sub-6 GHz 5G NR
- arxiv url: http://arxiv.org/abs/2204.06064v1
- Date: Tue, 12 Apr 2022 19:51:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-14 14:04:24.911125
- Title: Massive MIMO Beam Management in Sub-6 GHz 5G NR
- Title（参考訳）: Sub-6GHz 5G NRにおけるMIMOビームの大量管理
- Authors: Ryan M. Dreifuerst and Robert W. Heath jr. and Ali Yazdan
- Abstract要約: ビームコードブックは5G新無線(NR)におけるM-MIMO(Multiple-Input multiple-output)の新機能である
機械学習は、初期アクセスのためのサイト固有のコードブックのトレーニングに使用できることを示す。
- 参考スコア（独自算出の注目度）: 46.71738320970658
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Beam codebooks are a new feature of massive multiple-input multiple-output
(M-MIMO) in 5G new radio (NR). Codebooks comprised of beamforming vectors are
used to transmit reference signals and obtain limited channel state information
(CSI) from receivers via the codeword index. This enables large arrays that
cannot otherwise obtain sufficient CSI. The performance, however, is limited by
the codebook design. In this paper, we show that machine learning can be used
to train site-specific codebooks for initial access. We design a neural network
based on an autoencoder architecture that uses a beamspace observation in
combination with RF environment characteristics to improve the synchronization
signal (SS) burst codebook. We test our algorithm using a flexible dataset of
channels generated from QuaDRiGa. The results show that our model outperforms
the industry standard (DFT beams) and approaches the optimal performance
(perfect CSI and singular value decomposition (SVD)-based beamforming), using
only a few bits of feedback.
- Abstract（参考訳）: ビームコードブックは5G新無線(NR)におけるM-MIMO(Multiple-input multiple-output)の新機能である。
ビームフォーミングベクトルからなるコードブックを用いて、参照信号を送信し、コードワードインデックスを介して受信者から制限されたチャネル状態情報(csi)を得る。
これにより、十分なCSIが得られない大きな配列が得られる。
しかし、性能はコードブックの設計によって制限されている。
本稿では,機械学習を用いてサイト固有のコードブックを初期アクセスのためにトレーニングできることを示す。
本研究では,rf環境特性と組み合わせてビームスペース観測を行い,同期信号(ss)バースト符号ブックを改善するオートエンコーダアーキテクチャに基づくニューラルネットワークの設計を行う。
我々はQuaDRiGaから生成されたチャネルの柔軟なデータセットを用いてアルゴリズムをテストする。
その結果,本モデルは業界標準(DFTビーム)より優れ,CSIと特異値分解(SVD)に基づくビームフォーミングの最適性能に近づき,ほんの数ビットのフィードバックしか得られなかった。
関連論文リスト
- Neural Codebook Design for Network Beam Management [37.51593770637367]
5Gのようなモバイルシステムは、ビーム管理フレームワークを使用して、最初の取得、アクセス、CSINB、ビームフォーミング、データ転送を結合する。
本稿では、干渉を軽減するためにコードブックをキャプチャし、最適化する、ハイブリッド・ツー・エンドの学習用コードブック設計アルゴリズムを提案する。
提案アルゴリズムは共有情報に制限を課すが、従来のコードブックよりも10dB以上のアライメントを実現し、ネットワークスペクトル効率を25%以上改善するコードブックを設計する。
論文 参考訳（メタデータ） (2024-03-05T15:37:06Z) - Hierarchical ML Codebook Design for Extreme MIMO Beam Management [37.51593770637367]
ビーム管理は、ビームフォーミングとチャネル状態情報(CSI)を5Gで大きなアンテナアレイで取得する戦略である。
コードブックは、ビームフォーミング参照信号、CSIレポート、アナログビームトレーニングなど、ビーム管理に多用されている。
本稿では,超大規模マルチインプットマルチアウトプット(X-MIMO)システムを対象とした,機械学習によるコードブック設計プロセスの提案と評価を行う。
論文 参考訳（メタデータ） (2023-11-24T17:14:11Z) - Coding for the Gaussian Channel in the Finite Blocklength Regime Using a
CNN-Autoencoder [13.276758337527038]
低レイテンシ通信をサポートするには短いコードが必要だが、フレームエラー確率(FEP)の消滅には長いコードが必要である。
本稿では,畳み込みニューラルネットワークオートエンコーダ(CNN-AE)の理論的最大到達率へのアプローチの可能性について検討する。
数値計算の結果,CNN-AEはベンチマーク・スキームを上回り,理論上の最大値に近づいた。
論文 参考訳（メタデータ） (2023-05-25T19:13:31Z) - Graph Neural Networks for Channel Decoding [71.15576353630667]
低密度パリティチェック(LDPC)やBCH符号など、様々な符号化方式の競合復号性能を示す。
ニューラルネットワーク(NN)は、与えられたグラフ上で一般化されたメッセージパッシングアルゴリズムを学習する。
提案するデコーダを,従来のチャネル復号法および最近のディープラーニングに基づく結果と比較した。
論文 参考訳（メタデータ） (2022-07-29T15:29:18Z) - Tensor Learning-based Precoder Codebooks for FD-MIMO Systems [47.562560779723334]
本稿では,FD(Full-dimension)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,プリコーディングのための低複雑さなコードブックを設計するための効率的な手法を開発する。
モデルフリーなデータ駆動型アプローチを機械学習の基礎として利用し、周辺伝播条件に適応するコードブックを生成する。
論文 参考訳（メタデータ） (2021-06-21T19:18:39Z) - Variational Autoencoders: A Harmonic Perspective [79.49579654743341]
本研究では,高調波解析の観点から変分オートエンコーダ(VAE)について検討する。
VAEのエンコーダ分散は、VAEエンコーダとデコーダニューラルネットワークによってパラメータ化された関数の周波数内容を制御する。
論文 参考訳（メタデータ） (2021-05-31T10:39:25Z) - Deep Learning-based Implicit CSI Feedback in Massive MIMO [68.81204537021821]
ニューラルネットワーク(NN)を用いて,プリコーディング行列インジケータ(PMI)符号化とデコードモジュールを置き換える,低オーバヘッド特性を継承するDLベースの暗黙的フィードバックアーキテクチャを提案する。
1つのリソースブロック(RB)では、2つのアンテナ構成下のタイプIコードブックと比較して25.0%と40.0%のオーバーヘッドを節約できる。
論文 参考訳（メタデータ） (2021-05-21T02:43:02Z) - Applying Deep-Learning-Based Computer Vision to Wireless Communications:
Methodologies, Opportunities, and Challenges [100.45137961106069]
ディープラーニング(DL)はコンピュータビジョン(CV)分野で大きな成功を収めている。
本稿では,無線通信におけるDLベースのCVの適用について紹介する。
論文 参考訳（メタデータ） (2020-06-10T11:37:49Z) - Learning on a Grassmann Manifold: CSI Quantization for Massive MIMO
Systems [37.499485219254545]
本稿では,基礎となるチャネル分布に対する平均正規化ビームフォーミングゲインを最大化するビームフォーミングコードブックの設計に焦点をあてる。
我々は,機械学習の基礎となるモデルフリーなデータ駆動型手法を用いて,周囲の伝搬条件に適応するビームフォーミングコードブックを生成する。
論文 参考訳（メタデータ） (2020-05-18T01:01:36Z)
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。