Towards xAI: Configuring RNN Weights using Domain Knowledge for MIMO Receive Processing

要約

ディープラーニングは、ワイヤレス通信の物理層に大きな影響を与えています。
MIMO 受信処理などのタスクで優れた経験的パフォーマンスを示したにもかかわらず、実証された優れたパフォーマンス向上の背後にある理由はほとんど不明のままです。
この研究では、信号処理原理を利用して、無線通信の物理層における Explainable AI (xAI) の分野を前進させます。
具体的には、リカレントニューラルネットワーク（RNN）内のフレームワークであるリザーバーコンピューティング（RC）を使用したMIMO-OFDM受信処理（シンボル検出など）のタスクに焦点を当てており、従来のMIMO検出器や他の学習ベースのMIMO検出器の両方よりも優れた性能を発揮します。
私たちの分析は、RC の対応する動作の信号処理ベースの第一原理の理解を提供します。
この基本的な理解に基づいて、MIMO-OFDM シンボル検出用にトレーニングされていない RNN の重みを直接設定することで、ワイヤレス システムのドメイン知識 (チャネル統計など) を基礎となる RNN の設計に体系的に組み込むことができます。
導入された RNN 重み構成は、広範なシミュレーションを通じて検証され、大幅なパフォーマンスの向上が実証されています。
これにより、MIMO-OFDM 受信処理における説明可能な RC ベースのアーキテクチャの基盤が確立され、NextG システムのニューラル ネットワークの設計にドメインの知識を組み込むためのロードマップが提供されます。

要約(オリジナル)

Deep learning is making a profound impact in the physical layer of wireless communications. Despite exhibiting outstanding empirical performance in tasks such as MIMO receive processing, the reasons behind the demonstrated superior performance improvement remain largely unclear. In this work, we advance the field of Explainable AI (xAI) in the physical layer of wireless communications utilizing signal processing principles. Specifically, we focus on the task of MIMO-OFDM receive processing (e.g., symbol detection) using reservoir computing (RC), a framework within recurrent neural networks (RNNs), which outperforms both conventional and other learning-based MIMO detectors. Our analysis provides a signal processing-based, first-principles understanding of the corresponding operation of the RC. Building on this fundamental understanding, we are able to systematically incorporate the domain knowledge of wireless systems (e.g., channel statistics) into the design of the underlying RNN by directly configuring the untrained RNN weights for MIMO-OFDM symbol detection. The introduced RNN weight configuration has been validated through extensive simulations demonstrating significant performance improvements. This establishes a foundation for explainable RC-based architectures in MIMO-OFDM receive processing and provides a roadmap for incorporating domain knowledge into the design of neural networks for NextG systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google