論文の概要: DeltaDPD: Exploiting Dynamic Temporal Sparsity in Recurrent Neural Networks for Energy-Efficient Wideband Digital Predistortion
- arxiv url: http://arxiv.org/abs/2505.06250v1
- Date: Tue, 29 Apr 2025 10:07:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-18 22:55:23.165443
- Title: DeltaDPD: Exploiting Dynamic Temporal Sparsity in Recurrent Neural Networks for Energy-Efficient Wideband Digital Predistortion
- Title（参考訳）: DeltaDPD:エネルギー効率のよい広帯域ディジタル予測のためのリカレントニューラルネットワークにおける動的時間間隔の爆発
- Authors: Yizhuo Wu, Yi Zhu, Kun Qian, Qinyu Chen, Anding Zhu, John Gajadharsing, Leo C. N. de Vreede, Chang Gao,
- Abstract要約: 広帯域RFパワーアンプ(PA)における信号品質向上手法として,DPD(Digital Predistortion)が一般的である。
本稿では,エネルギー効率の DPD を実現するため,RNN における入力信号と神経隠れ状態の動的時間的間隔について検討する DeltaDPD を紹介する。
- 参考スコア（独自算出の注目度）: 11.598016224384875
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Digital Predistortion (DPD) is a popular technique to enhance signal quality in wideband RF power amplifiers (PAs). With increasing bandwidth and data rates, DPD faces significant energy consumption challenges during deployment, contrasting with its efficiency goals. State-of-the-art DPD models rely on recurrent neural networks (RNN), whose computational complexity hinders system efficiency. This paper introduces DeltaDPD, exploring the dynamic temporal sparsity of input signals and neuronal hidden states in RNNs for energy-efficient DPD, reducing arithmetic operations and memory accesses while preserving satisfactory linearization performance. Applying a TM3.1a 200MHz-BW 256-QAM OFDM signal to a 3.5 GHz GaN Doherty RF PA, DeltaDPD achieves -50.03 dBc in Adjacent Channel Power Ratio (ACPR), -37.22 dB in Normalized Mean Square Error (NMSE) and -38.52 dBc in Error Vector Magnitude (EVM) with 52% temporal sparsity, leading to a 1.8X reduction in estimated inference power. The DeltaDPD code will be released after formal publication at https://www.opendpd.com.
- Abstract（参考訳）: ディジタルPredistortion (DPD) は広帯域RFパワー増幅器(PA)の信号品質を向上させる技術として人気がある。
帯域幅とデータレートの増加に伴い、DPDはその効率の目標とは対照的に、デプロイメント中のエネルギー消費の重大な課題に直面している。
最先端のPDモデルはリカレントニューラルネットワーク(RNN)に依存しており、計算複雑性はシステムの効率を妨げている。
本稿では、エネルギー効率の良いDPDのためのRNNにおける入力信号と神経隠れ状態の動的時間的間隔を探索し、良好な線形化性能を維持しながら演算処理とメモリアクセスを削減したDeltaDPDを提案する。
TM3.1a 200MHz-BW 256-QAM OFDM信号を3.5GHz GaN Doherty RF PAに適用すると、DeltaDPDはアジャセントチャネル電力比 (ACPR) で-50.03 dBc、正規化平均角誤差 (NMSE) で-37.22 dB、EVMで-38.52 dBc、時間間隔で52%の誤差を持つ。
DeltaDPDコードはhttps://www.opendpd.comで正式公開された後、リリースされる。
関連論文リスト
- BiDM: Pushing the Limit of Quantization for Diffusion Models [60.018246440536814]
本稿では,DMの重みとアクティベーションを完全にバイナライズし,量子化を1ビット限界まで押し上げる手法であるBiDMを提案する。
DMを完全にバイナライズする最初の取り組みとして、LSUN-Bedrooms 256$times$256のLDM-4モデルのW1A1 BiDMは22.74という驚くべきFIDを達成した。
論文 参考訳（メタデータ） (2024-12-08T12:45:21Z) - Dynamic Spectrum Access for Ambient Backscatter Communication-assisted D2D Systems with Quantum Reinforcement Learning [68.63990729719369]
無線スペクトルは乏しくなり、D2D通信のスペクトル効率は低い。
本稿では, 周囲RF信号の後方散乱を可能にするために, 環境後方散乱通信技術をD2Dデバイスに統合することを目的とする。
我々は、より少ないトレーニングパラメータでより高速な収束率を達成することができる新しい量子強化学習(RL)アルゴリズムを開発した。
論文 参考訳（メタデータ） (2024-10-23T15:36:43Z) - DPD-NeuralEngine: A 22-nm 6.6-TOPS/W/mm$^2$ Recurrent Neural Network Accelerator for Wideband Power Amplifier Digital Pre-Distortion [9.404504586344107]
DPD-NeuralEngine は Gated Recurrent Unit (GRU) Neural Network (NN) に基づく超高速、小型、電力効率の DPD 加速器である。
22nmのCMOS実装は2GHzで動作し、最大250MSpsのI/Q信号を処理できる。
我々の知る限り、この研究はAIベースのDPDアプリケーション固有集積回路(ASIC)アクセラレーターとしては初めてのものである。
論文 参考訳（メタデータ） (2024-10-15T16:39:50Z) - MP-DPD: Low-Complexity Mixed-Precision Neural Networks for Energy-Efficient Digital Predistortion of Wideband Power Amplifiers [8.58564278168083]
Digital Pre-Distortion (DPD) は広帯域RFパワー増幅器(PA)の信号品質を向上させる
本稿では,エネルギー効率の DPD に対して,量子化された低精度固定点パラメータを用いたオープンソースの混合精度(MP)ニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2024-04-18T21:04:39Z) - OpenDPD: An Open-Source End-to-End Learning & Benchmarking Framework for
Wideband Power Amplifier Modeling and Digital Pre-Distortion [2.6771785584103935]
デジタル事前歪み(DPD)のためのディープニューラルネットワーク(DNN)が注目されている。
本稿ではPyTorchで開発されたオープンソースフレームワークOpenDPDについて述べる。
本稿では,Dense Gated Recurrent Unit (DGRU)-DPDを導入する。
論文 参考訳（メタデータ） (2024-01-16T12:36:17Z) - Fair and Efficient Distributed Edge Learning with Hybrid Multipath TCP [62.81300791178381]
無線による分散エッジ学習のボトルネックは、コンピューティングから通信へと移行した。
DEL用の既存のTCPベースのデータネットワークスキームは、アプリケーションに依存しず、アプリケーション層要求に応じて調整を施さない。
DELのためのモデルベースと深部強化学習(DRL)に基づくMP TCPを組み合わせたハイブリッドマルチパスTCP(MP TCP)を開発した。
論文 参考訳（メタデータ） (2022-11-03T09:08:30Z) - Improving Generalization of Deep Neural Network Acoustic Models with
Length Perturbation and N-best Based Label Smoothing [49.82147684491619]
音声認識(ASR)のためのディープニューラルネットワーク(DNN)音響モデルの一般化を改善する2つの手法を提案する。
長さ摂動 (Longth perturbation) は、音声特徴系列の長さを変更するために音声のフレームをランダムにドロップして挿入するデータ拡張アルゴリズムである。
N-bestに基づくラベルスムーシングは、n-best仮説からノイズラベルが生成される過度な適合を避けるために、トレーニング中にグラウンド・真理ラベルにランダムにノイズを注入する。
論文 参考訳（メタデータ） (2022-03-29T01:40:22Z) - Deep Reinforcement Learning Based Multidimensional Resource Management
for Energy Harvesting Cognitive NOMA Communications [64.1076645382049]
エネルギー収穫(EH)、認知無線(CR)、非直交多重アクセス(NOMA)の組み合わせはエネルギー効率を向上させるための有望な解決策である。
本稿では,決定論的CR-NOMA IoTシステムにおけるスペクトル,エネルギー,時間資源管理について検討する。
論文 参考訳（メタデータ） (2021-09-17T08:55:48Z) - Optimization-driven Deep Reinforcement Learning for Robust Beamforming
in IRS-assisted Wireless Communications [54.610318402371185]
Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。
我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。
過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
論文 参考訳（メタデータ） (2020-05-25T01:42:55Z)
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。