論文の概要: Implementation of the Digital QS-SVM-based Beamformer on an FPGA Platform

• arxiv url: http://arxiv.org/abs/2211.01763v1
• Date: Sun, 9 Oct 2022 02:44:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-06 15:13:06.435716
• Title: Implementation of the Digital QS-SVM-based Beamformer on an FPGA Platform
• Title（参考訳）: FPGAプラットフォームを用いたディジタルQS-SVMビームフォーマの実装
• Authors: Somayeh Komeylian and Christopher Paolini
• Abstract要約: ディジタルビームフォーマは、10GHzの動作周波数でハイブリッドアンテナアレイによって実行される。 提案するディジタルビームフォーマは,空間フィルタとして,DOA(Direction of Arrival)推定とビームフォーミングを行うことができる。 我々は、QS-SVMベースのビームフォーマの性能がミリ秒平均遅延時間、90%以上の性能効率、約100%のスループットの他の利点から成り立っていることを示した。
• 参考スコア（独自算出の注目度）: 1.2183405753834562
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To address practical challenges in establishing and maintaining robust wireless connectivity such as multi-path effects, low latency, size reduction, and high data rate, the digital beamformer is performed by the hybrid antenna array at the frequency of operation of 10 GHz. The proposed digital beamformer, as a spatial filter, is capable of performing Direction of Arrival (DOA) estimation and beamforming. The most well-established machine learning technique of support vector machine (SVM) for the DoA estimation is limited to problems with linearly-separable datasets. To overcome the aforementioned constraint, in the proposed beamformer, the QS-SVM classifier with a small regularizer has been used for the DoA estimation in addition to the two beamforming techniques of LCMV and MVDR. The QS-SVM-based beamformer has been deployed in an FPGA board, as demonstrated in detail in this work. The implementation results have verified the strong performance of the QS-SVM-based beamformer in suppressing undesired signals, deep nulls with powers less than -10 dB in undesired signals, and transferring desired signals. Furthermore, we have demonstrated that the performance of the QS-SVM-based beamformer consists of other advantages of average latency time in the order of milliseconds, performance efficiency of more than 90\%, and throughput of about 100\%.
• Abstract（参考訳）: マルチパス効果、低レイテンシ、小型化、高データレートなどのロバストな無線接続を確立する上での実践的な課題に対処するため、ディジタルビームフォーマを10GHzの動作周波数でハイブリッドアンテナアレイで行う。 提案するディジタルビームフォーマは,空間フィルタとして,DOA(Direction of Arrival)推定とビームフォーミングを行うことができる。 DoA推定のためのサポートベクトルマシン(SVM)の最も確立された機械学習技術は、線形分離可能なデータセットの問題に限られている。 上記の制約を克服するため,提案したビームフォーマでは,LCMVとMVDRの2つのビームフォーミング技術に加えて,小さな正規化器を用いたQS-SVM分類器がDoA推定に用いられている。 この研究で詳細に示されているように、QS-SVMベースのビームフォーマはFPGAボードにデプロイされている。 その結果、QS-SVMベースのビームフォーマは、望ましくない信号の抑制、望ましくない信号の10dB未満のパワーを持つディープヌル、および所望の信号の転送において、強い性能を実証した。 さらに,QS-SVMをベースとしたビームフォーマの性能は,ミリ秒平均遅延時間,90倍以上の性能効率,100倍程度のスループットといった他の利点があることを示した。

関連論文リスト

• OFDM-Standard Compatible SC-NOFS Waveforms for Low-Latency and Jitter-Tolerance Industrial IoT Communications [53.398544571833135]
  この研究は、スペクトル的に効率的な不規則なSinc (irSinc) 整形法を提案し、1924年に従来のSincを再考した。 irSincは、誤差性能を犠牲にすることなくスペクトル効率が向上した信号を生成する。 我々の信号は、5G標準信号構成により、同じスペクトル帯域内で高速なデータ伝送を実現する。
  論文  参考訳（メタデータ） (2024-06-07T09:20:30Z)
• Reliable Beamforming at Terahertz Bands: Are Causal Representations the Way Forward? [85.06664206117088]
  マルチユーザ無線システムは、テラヘルツ帯域と大量のアンテナを利用することで、メタバース要件を満たすことができる。 既存の解にはチャネル力学の適切なモデリングが欠如しており、その結果、高流動シナリオにおける不正確なビームフォーミング解が生じる。 ここでは、変分因果推論における新しい人工知能アルゴリズムを利用して、動的で意味論的に認識されたビームフォーミングソリューションを初めて提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:02:46Z)
• Digital Over-the-Air Federated Learning in Multi-Antenna Systems [30.137208705209627]
  デジタル変調とオーバー・ザ・エア計算(AirComp)を用いた現実的な無線通信システム上でのフェデレーション学習(FL)の性能最適化について検討する。 本稿では,デジタル変調とAirCompを組み合わせたFedAvg(FedAvg)アルゴリズムを提案する。 人工ニューラルネットワーク(ANN)は、すべてのデバイスの局所FLモデルを推定し、将来のモデル伝送のためにPSのビーム形成行列を調整するために使用される。
  論文  参考訳（メタデータ） (2023-02-04T07:26:06Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Federated Learning for Energy-limited Wireless Networks: A Partial Model Aggregation Approach [79.59560136273917]
  デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。 提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
  論文  参考訳（メタデータ） (2022-04-20T19:09:52Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for 5G and Beyond [70.81551587109833]
  非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。 主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。 本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
  論文  参考訳（メタデータ） (2022-01-13T15:20:45Z)
• A Learning-Based Fast Uplink Grant for Massive IoT via Support Vector Machines and Long Short-Term Memory [8.864453148536057]
  3IoTは、レイテンシを低減し、スマートインターネット・オブ・シング(mMTC)アプリケーションの信頼性を高めるために、高速アップリンク・アロケーション(FUG)を使用する必要性を導入した。 サポートマシンスケジューラ(SVM)に基づく新しいFUGアロケーションを提案する。 第2に、LSTMアーキテクチャは、予測エラーを克服するためにトラフィック予測と補正技術に使用される。
  論文  参考訳（メタデータ） (2021-08-02T11:33:02Z)
• Terahertz-Band Joint Ultra-Massive MIMO Radar-Communications: Model-Based and Model-Free Hybrid Beamforming [45.257328085051974]
  テラヘルツ(THz)バンドにおける無線通信とセンシングを,有望な短距離技術として検討した。 THz通信では、伝搬損失を補償する超大質量マルチ入力マルチ出力(UM-MIMO)アンテナシステムが提案されています。 我々は,新しいgroup-of-subarrays (gosa) um-mimo構造のためのモデルベースおよびモデルフリー技術に基づくthzハイブリッドビームフォーマを開発した。
  論文  参考訳（メタデータ） (2021-02-27T21:28:34Z)
• 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)
• Learning Based Hybrid Beamforming Design for Full-Duplex Millimeter Wave Systems [22.478350298755892]
  我々は、FD mmWaveシステムのためのHBF設計のための2つの学習スキーム、すなわち、極端な学習マシンベースのHBFと畳み込みニューラルネットワークベースのHBFを提案する。 その結果、どちらの学習ベーススキームもより堅牢なHBF性能を実現し、少なくとも22.1%のスペクトル効率が得られることが示された。
  論文  参考訳（メタデータ） (2020-04-16T15:48:57Z)

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。