Graph Neural Network Based Hybrid Beamforming Design in Wideband Terahertz MIMO-OFDM Systems

要約

6Gワイヤレステクノロジーは、高度に方向性のあるビームフォーミングによって有効になっている、より高い周波数帯域を採用すると予測されています。
ただし、利用可能な広大な帯域幅は、大規模な複数の入力および複数の出力（MIMO）システムにおけるビームシッティングの影響も依存できません。
各アンテナに真の時間遅延ライン（TTD）を追加するなどの従来のアプローチは、必要な大規模なアンテナアレイのためにコストがかかります。
このホワイトペーパーでは、ハイブリッドビームフォーミングを最適化するためにグラフニューラルネットワーク（GNNS）の革新的なアプリケーションを通じて、OFDMシステムのマルチキャリア構造に特に適合した信号処理の代替手段を作成します。
アナログとデジタルビームフォーミングマトリックスを効率的に表すために2種類のグラフノードを統合することにより、当社のアプローチは計算とメモリの負担を減らすだけでなく、すべてのデジタルビームフォーミングのそれに近づき、高いスペクトル効率パフォーマンスを達成します。
GNNランタイムとメモリの要件は、処理時間と従来の信号処理方法のリソース消費のほんの一部であるため、ハイブリッドビームフォーミングのリアルタイム適応を可能にします。
さらに、提案されているGNNは、ビームシッティングに強い回復力を示し、システムがより高いキャリア周波数で増加するにもかかわらず、ほぼ一定のスペクトル効率を達成します。

要約(オリジナル)

6G wireless technology is projected to adopt higher and wider frequency bands, enabled by highly directional beamforming. However, the vast bandwidths available also make the impact of beam squint in massive multiple input and multiple output (MIMO) systems non-negligible. Traditional approaches such as adding a true-time-delay line (TTD) on each antenna are costly due to the massive antenna arrays required. This paper puts forth a signal processing alternative, specifically adapted to the multicarrier structure of OFDM systems, through an innovative application of Graph Neural Networks (GNNs) to optimize hybrid beamforming. By integrating two types of graph nodes to represent the analog and the digital beamforming matrices efficiently, our approach not only reduces the computational and memory burdens but also achieves high spectral efficiency performance, approaching that of all digital beamforming. The GNN runtime and memory requirement are at a fraction of the processing time and resource consumption of traditional signal processing methods, hence enabling real-time adaptation of hybrid beamforming. Furthermore, the proposed GNN exhibits strong resiliency to beam squinting, achieving almost constant spectral efficiency even as the system bandwidth increases at higher carrier frequencies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google