RFを超えて:AIが可能にした多モードビーム形成は次世代標準を形作る【JST・京大機械翻訳】

Roy Debashri; Salehi Batool; Banou Stella; Mohanti Subhramoy; Reus-Muns Guillem; Belgiovine Mauro; Ganesh Prashant; Bocanegra Carlos; Dick Chris; Chowdhury Kaushik

プレプリント

J-GLOBAL ID：202202201675314748 整理番号：22P0322927

RFを超えて:AIが可能にした多モードビーム形成は次世代標準を形作る【JST・京大機械翻訳】

Going Beyond RF: How AI-enabled Multimodal Beamforming will Shape the NextG Standard

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (10件)： , , , , , , , , ,
資料名：
発行年： 2022年03月30日プレプリントサーバーでの情報更新日： 2022年03月30日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

5G無線規格の中で人工知能と機械学習(AI/ML)法を組み込むことは,自律ネットワーク挙動と超低待ち時間再構成を約束する。しかし,今までの努力は,無線周波数(RF)信号からの学習に純粋に焦点を合わせた。5Gを超える将来の標準と次世代(nextG)ネットワークは,最先端の5G実装に対して2つの重要な進化を持つであろう。(i)多数のアンテナ要素,数100から数千までのスケーリング,および(ii)様々なRFと非RF源からセンサフィードをアクセスできるネットワーク再構成プロセスの臨界経路におけるAI/MLの包含。前者は「ビーム成形」における前例のない柔軟性を可能にするが,信号がターゲット受信機で建設的に結合され,後者は,単一および孤立データモダリティによって捉えられない状況認識を強化したネットワークを可能にする。本調査は,今日のビーム成形に使用される異なるアプローチの徹底的な分析を示し,mmWaveバンドに焦点を当て,次に,ビーム成形方向精度を増加させ,処理時間を低減するためのLiDAR,レーダ,GPSのような多重モダリティからの非RFセンサデータを考慮するための,有力なケースを成す。マルチモーダルビーム成形のいわゆるアイデアは,深い学習ベースの融合技術を必要とし,それは,大規模なアンテナアレイのためによくスケールしない現在のRFのみと古典的信号処理法を強化するのに役立った。調査は,マルチモーダルビーム成形のための関連深い学習アーキテクチャを記述して,計算上の課題と,このプロセスにおけるエッジコンピューティングの役割,データセット生成ツール,および最後に,コミュニティがビーム成形の未来のこの変換ビジョンを実現するために取り組むべきであるという未解決の課題をリストした。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

無線通信一般 , 計算機網

, , , , ,

前のページに戻る