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

• arxiv url: http://arxiv.org/abs/2208.05443v1
• Date: Wed, 10 Aug 2022 16:55:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-11 13:28:27.473479
• Title: Flexible Unsupervised Learning for Massive MIMO Subarray Hybrid Beamforming
• Title（参考訳）: MIMOサブアレイハイブリッドビームフォーミングのための柔軟な教師なし学習
• Authors: Hamed Hojatian, J\'er\'emy Nadal, Jean-Fran\c{c}ois Frigon, and Fran\c{c}ois Leduc-Primeau
• Abstract要約: サブアレイハイブリッドビームフォーミングは、大規模システムのエネルギー効率を改善するための有望な技術である。 ニューラル化位相シフト器とCSIをサポートしながらハイブリッドビームフォーミングを設計するための新しい教師なし学習手法を提案する。
• 参考スコア（独自算出の注目度）: 1.181206257787103
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hybrid beamforming is a promising technology to improve the energy efficiency of massive MIMO systems. In particular, subarray hybrid beamforming can further decrease power consumption by reducing the number of phase-shifters. However, designing the hybrid beamforming vectors is a complex task due to the discrete nature of the subarray connections and the phase-shift amounts. Finding the optimal connections between RF chains and antennas requires solving a non-convex problem in a large search space. In addition, conventional solutions assume that perfect CSI is available, which is not the case in practical systems. Therefore, we propose a novel unsupervised learning approach to design the hybrid beamforming for any subarray structure while supporting quantized phase-shifters and noisy CSI. One major feature of the proposed architecture is that no beamforming codebook is required, and the neural network is trained to take into account the phase-shifter quantization. Simulation results show that the proposed deep learning solutions can achieve higher sum-rates than existing methods.
• Abstract（参考訳）: ハイブリッドビームフォーミングは、大規模なMIMOシステムのエネルギー効率を改善するための有望な技術である。 特に、サブアレイハイブリッドビームフォーミングは、位相シフト器の数を減らし、消費電力をさらに削減することができる。 しかし、ハイブリッドビームフォーミングベクトルの設計は、サブアレイ接続の離散的性質と位相シフト量による複雑な作業である。 rfチェーンとアンテナの最適な接続を見つけるには、大きな探索空間で非凸問題を解く必要がある。 加えて、従来のソリューションでは完全なCSIが利用可能であり、実際的なシステムではそうではない。 そこで本研究では,任意のサブアレイ構造に対するハイブリッドビームフォーミングの設計のための教師なし学習手法を提案する。 提案アーキテクチャの主な特徴の1つは、ビームフォーミングコードブックは不要であり、ニューラルネットワークは位相シフト器量子化を考慮するように訓練されていることである。 シミュレーションの結果,提案手法は既存の手法よりも高い総和率が得られることがわかった。

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)
• Deep Learning and Image Super-Resolution-Guided Beam and Power Allocation for mmWave Networks [80.37827344656048]
  我々は,ミリ波(mmWave)ネットワークのためのディープラーニング(DL)誘導ハイブリッドビームとパワーアロケーションアプローチを開発した。 教師付き学習と超解像技術の相乗効果を利用して、低オーバヘッドビームとパワーアロケーションを実現する。
  論文  参考訳（メタデータ） (2023-05-08T05:40:54Z)
• 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)
• Energy Efficiency Maximization in IRS-Aided Cell-Free Massive MIMO System [2.9081408997650375]
  本稿では、入射点におけるビームフォーミングとIRSにおける位相シフトを共同最適化してエネルギー効率(EE)を最大化する、インテリジェント反射面(IRS)を用いたセルレス大規模マルチインプット多重出力システムについて考察する。 EE問題を解くために,2次変換とラグランジアン双対変換を用いて最適ビームフォーミングと位相シフトを求める反復最適化アルゴリズムを提案する。 さらに,共同ビームフォーミングと位相シフト設計のための深層学習に基づくアプローチを提案する。具体的には,教師なし学習方式を用いて2段階の深層ニューラルネットワークをオフラインでトレーニングし,オンラインに展開する。
  論文  参考訳（メタデータ） (2022-12-24T14:58:15Z)
• Unsupervised Learning Based Hybrid Beamforming with Low-Resolution Phase Shifters for MU-MIMO Systems [7.585540240110219]
  無限分解能位相シフタ(PS)に基づく既存のハイブリッドビームフォーミング設計は、ハードウェアコストと消費電力のために実用的ではない。 アナログプリコーダとコンバインダを低解像度PSで共同設計するための教師なし学習に基づくスキームを提案する。 アナログプリコーダとコンバインダの設計問題を位相分類問題に変換し,汎用ニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-02-04T02:45:40Z)
• Universal interference-based construction of Gaussian operations in hybrid quantum systems [2.8655318786364408]
  ハイブリッド量子システムでは、ボソニックモード間の信頼性の高いビームスプリッターを実装することは困難である。 マルチモードハイブリッドボソニックシステムにおけるガウス演算のための干渉に基づく新しいプロトコルを開発した。
  論文  参考訳（メタデータ） (2021-12-15T15:23:12Z)
• 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)
• 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)
• Unsupervised Deep Learning for Massive MIMO Hybrid Beamforming [1.290382979353427]
  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。
  論文  参考訳（メタデータ） (2020-06-30T18:10:36Z)

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。