文献

J-GLOBAL ID：202202221024118911   整理番号：22A0779254

ミリ波およびテラヘルツMIMOシステムにおけるビームコードブックの強化学習【JST・京大機械翻訳】

Reinforcement Learning of Beam Codebooks in Millimeter Wave and Terahertz MIMO Systems

著者 (3件)： Zhang Yu (School of Electrical, Computer and Energy Engineering, Arizona State University (ASU), Tempe, AZ, USA) ,  Alrabeiah Muhammad (School of Electrical, Computer and Energy Engineering, Arizona State University (ASU), Tempe, AZ, USA) ,  Alkhateeb Ahmed (School of Electrical, Computer and Energy Engineering, Arizona State University (ASU), Tempe, AZ, USA)
資料名： IEEE Transactions on Communications  (IEEE Transactions on Communications)
巻： 70  号： 2  ページ： 904-919  発行年： 2022年 
JST資料番号： C0239A  ISSN： 0090-6778  CODEN： IECMBT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ミリ波(mmWave)とテラヘルツMIMOシステムは,初期アクセスとデータ伝送の両方に対する事前定義ビーム成形符号表に依存する。しかし,これらの事前定義コードブックは,特定の環境,ユーザ分布,および/または可能なハードウェア障害に対して一般的に最適化されていない。これは,高いビーム訓練オーバヘッドを有する大きな符号表サイズをもたらし,これらのシステムが高移動アプリケーションをサポートするのを困難にする。これらの限界を克服するために,本論文では,受信電力測定のみに依存するコードブックビームパターンを最適化する方法を学習する深層強化学習フレームワークを開発した。開発したモデルは,周辺環境,ユーザ分布,ハードウェア障害,およびアレイ幾何学に基づくビームパターンをどのように適応するかを学習する。さらに,このアプローチはチャネル,RFハードウェア,あるいはユーザ位置についての知識を必要としない。学習時間を減らすために,提案モデルは,大きな離散行動空間を効率的に検索できる新しいWolpertinger-変種アーキテクチャを設計した。提案した学習フレームワークは,一定モジュールと量子化位相シフタ制約のようなRFハードウェア制約を尊重する。シミュレーション結果は,開発したフレームワークが,視線(LOS),非LOS(NLOS),混合LOS/NLOSシナリオ,およびチャネル知識を必要とせずにハードウェア障害を持つアレイに対して,近最適ビームパターンを学習する能力を確認した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  シミュレーション ,  *学習 ,  移相器 ,  応用プログラム ,  ハードウェア ,  *EHF波 ,  利用者 ,  ハードウェア障害 ,  計算機アーキテクチャ ,  *符号表 ,  ビーム成形 ,  *テラヘルツ波 ,  *MIMOシステム
準シソーラス用語： オーバヘッド , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  アンテナ  (ND06000M)

タイトルに関連する用語 (4件)： ミリ波 ,  テラヘルツ ,  MIMOシステム ,  強化学習