Hybrid Knowledge-Data Driven Channel Semantic Acquisition and Beamforming for Cell-Free Massive MIMO

要約

このペーパーでは、ユビキタス拡張現実 (XR) アプリケーションをより適切にサポートし、現在の屋内無線伝送機能とのギャップを埋めるための屋外無線システムの進歩に焦点を当てています。
我々は、セルフリーの大規模多入力多出力（MIMO）システムにおけるチャネルセマンティック取得とマルチユーザービームフォーミングのためのハイブリッド知識データ駆動法を提案します。
具体的には、最初に、チャネルセマンティック取得のためのデータ駆動型多層パーセプトロン（MLP）ミキサーベースの自動エンコーダを提案します。この自動エンコーダでは、パイロット信号、チャネルセマンティック埋め込みのためのCSI量子化器、およびチャネルセマンティック抽出のためのCSI再構成がエンドツーエンド方式で共同で最適化されます。
さらに、取得したチャネルセマンティクスに基づいて、屋外の XR シナリオで不完全な CSI に対する堅牢性を備えた良好なスペクトル効率を達成できる、知識駆動型のディープ展開マルチユーザー ビームフォーマーをさらに提案します。
従来の逐次過緩和（SOR）ベースの線形ビームフォーミングスキームを深層学習で展開することにより、提案されたビームフォーミングスキームは最適なパラメーターを適応的に学習して収束を加速し、不完全なCSIに対するロバスト性を向上させることができます。
提案されたディープ アンフォールディング ビームフォーミング スキームは、フルデジタル アレイを備えたアクセス ポイント (AP) およびハイブリッド アナログ/デジタル アレイを備えた AP に使用できます。
シミュレーション結果は、チャネル捕捉の精度を向上させるだけでなく、CSI 捕捉とビームフォーマ設計の両方における複雑さを軽減する上で、提案したスキームの有効性を示しています。
提案されたビームフォーミング方法は、ダウンリンク送信におけるわずか 3 回の反復で約 96% の収束スペクトル効率性能を達成し、その有効性と屋外 XR アプリケーションを改善する可能性を示しています。

要約(オリジナル)

This paper focuses on advancing outdoor wireless systems to better support ubiquitous extended reality (XR) applications, and close the gap with current indoor wireless transmission capabilities. We propose a hybrid knowledge-data driven method for channel semantic acquisition and multi-user beamforming in cell-free massive multiple-input multiple-output (MIMO) systems. Specifically, we firstly propose a data-driven multiple layer perceptron (MLP)-Mixer-based auto-encoder for channel semantic acquisition, where the pilot signals, CSI quantizer for channel semantic embedding, and CSI reconstruction for channel semantic extraction are jointly optimized in an end-to-end manner. Moreover, based on the acquired channel semantic, we further propose a knowledge-driven deep-unfolding multi-user beamformer, which is capable of achieving good spectral efficiency with robustness to imperfect CSI in outdoor XR scenarios. By unfolding conventional successive over-relaxation (SOR)-based linear beamforming scheme with deep learning, the proposed beamforming scheme is capable of adaptively learning the optimal parameters to accelerate convergence and improve the robustness to imperfect CSI. The proposed deep unfolding beamforming scheme can be used for access points (APs) with fully-digital array and APs with hybrid analog-digital array. Simulation results demonstrate the effectiveness of our proposed scheme in improving the accuracy of channel acquisition, as well as reducing complexity in both CSI acquisition and beamformer design. The proposed beamforming method achieves approximately 96% of the converged spectrum efficiency performance after only three iterations in downlink transmission, demonstrating its efficacy and potential to improve outdoor XR applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google