文献

J-GLOBAL ID：202202267502731483   整理番号：22A0287152

チャネル取得とハイブリッド予符号化のための2時間スケールエンドツーエンド学習【JST・京大機械翻訳】

Two-Timescale End-to-End Learning for Channel Acquisition and Hybrid Precoding

著者 (6件)： Hu Qiyu (College of Information Science and Electronic Engineering, Zhejiang University, Hangzhou, China) ,  Cai Yunlong (College of Information Science and Electronic Engineering, Zhejiang University, Hangzhou, China) ,  Kang Kai (College of Information Science and Electronic Engineering, Zhejiang University, Hangzhou, China) ,  Yu Guanding (College of Information Science and Electronic Engineering, Zhejiang University, Hangzhou, China) ,  Hoydis Jakob (NVIDIA, Sophia Antipolis, France) ,  Eldar Yonina C. (Department of Mathematics and Computer Science, Weizmann Institute of Science, Rehovot, Israel)
資料名： IEEE Journal on Selected Areas in Communications  (IEEE Journal on Selected Areas in Communications)
巻： 40  号： 1  ページ： 163-181  発行年： 2022年 
JST資料番号： A0908B  ISSN： 0733-8716  CODEN： ISACEM  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： 本論文では,ディープニューラルネットワーク(DNN)支援パイロット訓練,チャネルフィードバック,およびハイブリッドアナログディジタル(HAD)予符号化から成るミリ波(mmWave)大規模多入力多出力(MIMO)システムのためのエンドツーエンド深層学習ベース結合トランシーバ設計アルゴリズムを提案した。具体的には,受信したパイロットを受信機でフィードバックビットに写像するDNNアーキテクチャを開発し,さらに送信機のハイブリッドプリコーダにフィードバックビットを写像する。伝送遅延に起因する信号伝送オーバヘッドとチャネル状態情報(CSI)不整合を減らすために,長期DNNと短期DNNから成る2時間スケールDNNを開発した。アナログプレコーダは,CSI統計に基づく長期DNNによって設計され,多数の時間スロットから成るフレームで一度更新される。対照的に,ディジタルプリコーダは,推定低次元等価CSI行列に基づく各時間スロットで短期DNNによって最適化される。二値層を有する提案したDNNに対して,2時間スケール訓練法も開発した。次に,提案したDNNベースアルゴリズムに対する一般化能力と信号オーバヘッドを解析した。シミュレーション結果は,提案した技術が,信号伝送オーバヘッドと短いパイロットシーケンスのビットエラーレート性能に関して,従来の方式よりも著しく優れていることを示した。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： アルゴリズム ,  最適化 ,  シミュレーション ,  *符号化 ,  *学習 ,  受信機 ,  送信機 ,  遅れ ,  符号器 ,  信号伝送 ,  *エンドツーエンド方式 ,  計算機アーキテクチャ
準シソーラス用語： MIMO ,  オーバヘッド ,  伝送遅延 ,  *予符号化 ,  プリコーダ , 【Automatic Indexing@JST】

分類 (1件)： 移動通信  (ND08030H)

タイトルに関連する用語 (5件)： チャネル ,  予符号化 ,  時間スケール ,  エンドツーエンド ,  学習