論文の概要: Antenna Array Calibration Via Gaussian Process Models

• arxiv url: http://arxiv.org/abs/2301.06582v2
• Date: Wed, 18 Jan 2023 14:51:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-19 12:02:51.965546
• Title: Antenna Array Calibration Via Gaussian Process Models
• Title（参考訳）: ガウス過程モデルによるアンテナアレイ校正
• Authors: Sergey S. Tambovskiy, G\'abor Fodor, Hugo Tullberg
• Abstract要約: アンテナアレイキャリブレーションは、広範囲の先進アンテナシステムにおけるビームパターンの忠実度を維持するために必要である。 アンテナキャリブレーションを,関数近似のタスクとして定式化し,ベイズ機械学習を用いて処理する。 まず、各放射素子、位置オフセット、およびアンテナ素子間の相互結合効果に対応するハードウェア障害を捕捉するパラメータ空間を定義する。 一度展開すると、学習された非パラメトリックモデルは、システムのビームフォーミング重みを継続的に変換し、修正されたビームパターンをもたらす。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Antenna array calibration is necessary to maintain the high fidelity of beam patterns across a wide range of advanced antenna systems and to ensure channel reciprocity in time division duplexing schemes. Despite the continuous development in this area, most existing solutions are optimised for specific radio architectures, require standardised over-the-air data transmission, or serve as extensions of conventional methods. The diversity of communication protocols and hardware creates a problematic case, since this diversity requires to design or update the calibration procedures for each new advanced antenna system. In this study, we formulate antenna calibration in an alternative way, namely as a task of functional approximation, and address it via Bayesian machine learning. Our contributions are three-fold. Firstly, we define a parameter space, based on near-field measurements, that captures the underlying hardware impairments corresponding to each radiating element, their positional offsets, as well as the mutual coupling effects between antenna elements. Secondly, Gaussian process regression is used to form models from a sparse set of the aforementioned near-field data. Once deployed, the learned non-parametric models effectively serve to continuously transform the beamforming weights of the system, resulting in corrected beam patterns. Lastly, we demonstrate the viability of the described methodology for both digital and analog beamforming antenna arrays of different scales and discuss its further extension to support real-time operation with dynamic hardware impairments.
• Abstract（参考訳）: アンテナアレイのキャリブレーションは、広範囲の高度なアンテナシステムにわたってビームパターンの忠実性を維持し、時間分割二重化方式におけるチャネル相互性を確保するために必要である。 この分野での継続的な開発にもかかわらず、既存のほとんどのソリューションは特定の無線アーキテクチャに最適化され、標準化された無線通信を必要とする。 通信プロトコルとハードウェアの多様性は、新しいアンテナシステムごとにキャリブレーション手順を設計または更新する必要があるため、問題となるケースを生み出します。 本研究では,関数近似のタスクとしてアンテナ校正を別の方法で定式化し,ベイズ機械学習を用いてそれに対処する。 私たちの貢献は3倍です。 まず,各放射素子, 位置オフセット, アンテナ素子間の相互結合効果に対応する基礎となるハードウェア障害を計測する, 近接場測定に基づくパラメータ空間を定義する。 第二に、ガウス過程回帰は前述の近接場データのスパース集合からモデルを形成するために用いられる。 一度展開すると、学習された非パラメトリックモデルは、システムのビーム形成重量を継続的に変換し、修正されたビームパターンをもたらす。 最後に,ディジタルビームフォーミングアンテナアレイとアナログビームフォーミングアンテナアレイの両方において,この手法の有効性を実証し,動的ハードウェア障害によるリアルタイム動作支援への拡張について考察する。

関連論文リスト

• Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
  本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。 提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
  論文  参考訳（メタデータ） (2023-11-30T13:50:21Z)
• NeuRBF: A Neural Fields Representation with Adaptive Radial Basis Functions [93.02515761070201]
  本稿では,信号表現に一般放射状基底を用いる新しいタイプのニューラルネットワークを提案する。 提案手法は, 空間適応性が高く, ターゲット信号により密着可能な, フレキシブルなカーネル位置と形状を持つ一般ラジアルベース上に構築する。 ニューラルラジアンス場再構成に適用した場合,本手法はモデルサイズが小さく,訓練速度が同等である最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2023-09-27T06:32:05Z)
• Sionna RT: Differentiable Ray Tracing for Radio Propagation Modeling [65.17711407805756]
  Sionnaは、リンクレベルのシミュレーションをベースとしたGPUアクセラレーションのオープンソースライブラリである。 リリース v0.14 以降、電波伝搬のシミュレーションのために微分可能なレイトレーサ (RT) を統合している。
  論文  参考訳（メタデータ） (2023-03-20T13:40:11Z)
• 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)
• Implementation of a Three-class Classification LS-SVM Model for the Hybrid Antenna Array with Bowtie Elements in the Adaptive Beamforming Application [1.2183405753834562]
  ボウティ素子は、ハイブリッドアンテナアレイのビームフォーミング性能を大幅に改善する。 提案したハイブリッドアンテナアレイは3次元一様指向性を示し, ビーム走査性能の優れた3次元一様指向性を示す。
  論文  参考訳（メタデータ） (2022-10-01T16:43:44Z)
• DEFORM: A Practical, Universal Deep Beamforming System [4.450750414447688]
  我々は、ユニバーサルレシーバービームフォーミング技術を紹介し、設計し、評価する。 我々のアプローチとシステムDEFORMは、深層学習(DL)ベースのRXビームフォーミングであり、マルチアンテナRF受信機において大きな利益をもたらす。
  論文  参考訳（メタデータ） (2022-03-18T03:52:18Z)
• A Machine Learning Generative Method for Automating Antenna Design and Optimization [9.438718097561061]
  異なるノードを接続することで任意の形状を形成できるメッシュネットワークの概念を取り入れたフレキシブルな幾何学的スキームを導入する。 広帯域なデュアル共振アンテナの設計では,提案手法はTrust Region Frameworkと同等であり,他の成熟した機械学習アルゴリズムよりもはるかに優れている。
  論文  参考訳（メタデータ） (2022-02-28T21:30:37Z)
• HyperHyperNetworks for the Design of Antenna Arrays [91.3755431537592]
  アレイ設計のための深層学習手法と小型アンテナの単一インスタンスについて述べる。 単一のアンテナの場合、ソリューションはシミュレーションネットワーク、ハイパーネットワーク、および精製ネットワークを組み合わせた複合ニューラルネットワークに基づいています。 学習目的は、得られた放射パターンと所望の放射パターンの類似度を測定することに基づく。
  論文  参考訳（メタデータ） (2021-05-09T05:21:28Z)
• 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)

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。