PA非線形性の下での大規模MU-MIMOダウンリンクのための効率的な自動プリコーダベース深層学習【JST・京大機械翻訳】

Cheng Xinying; Zayani Rafik; Ferecatu Marin; Audebert Nicolas

プレプリント

J-GLOBAL ID：202202212003307109 整理番号：22P0285802

PA非線形性の下での大規模MU-MIMOダウンリンクのための効率的な自動プリコーダベース深層学習【JST・京大機械翻訳】

Efficient Autoprecoder-based deep learning for massive MU-MIMO Downlink under PA Non-Linearities

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 (4件)： , , ,
資料名：
発行年： 2022年02月03日プレプリントサーバーでの情報更新日： 2022年02月03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)

本論文では,基地局が,エネルギー効率の良い電力増幅器(PA)を有する多数のアンテナを装備し,複数のユーザ端末を果たす,大規模多入力多出力(mMIMO)ダウンリンクシステムのための,新しい効率的な自動プレコーダ(AP)ベースの深層学習アプローチを紹介した。AP-mMIMO,マルチユーザ干渉を共同で除去し,厳しい非線形(NL)PA歪を補償する新しい方法を示した。以前の研究と異なり,AP-mMIMOは低い計算量を持ち,大域的エネルギー効率の良いシステムに適している。特に,著者らは,自動プレコーダの概念を活用することによって,PA意識プレコーダと受信復号器を設計し,一方,エンドツーエンド大規模マルチユーザ(MU)-MIMOダウンリンクを,深層ニューラルネットワーク(NN)を用いて設計した。最も重要なことに,提案したAP-mMIMOは,様々なブロックフェージングチャネルシナリオに適している。そのようなシナリオを扱うために,2段階予符号化方式を考察した。1)NN-プリコーダを用いてPA非線形性を扱い,2)線形プレコーダを用いてマルチユーザ干渉を抑制した。NN-プリコーダと受信復号器はオフラインで訓練され,チャネルが変化するとき,線形プレコーダだけがオンラインで変化する。後者は,行列多項式に基づく,広く用いられているゼロフォーシングプレコーディング方式またはその低複雑性バージョンを用いて設計した。数値シミュレーションは,提案したAP-mMIMO手法が,既存の文献と比較して,かなり低い複雑性で競合性能を達成することを示した。インデックスTerms-マルチユーザ(MU)予符号化,大規模多入力多出力(MIMO),エネルギー効率,ハードウェア障害,電力増幅器(PA)非線形性,自動プレコーダ,深層学習,ニューラルネットワーク(NN)。【JST・京大機械翻訳】

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

移動通信

, , , , , ,

前のページに戻る