要約
True-Time-Delay（TTD）ビームフォーマーは、周波数依存のFFTビームとは異なり、アナログドメインとデジタル信号ドメインの両方で、斜めの斜視のないビームを生成できます。
私たちの以前の研究は、TTDビームフォーマーが遅延vandermondeマトリックス（DVM）の要素を使用して効率的に実現できることを示し、長年にわたるビームスイント問題に答えることができました。
したがって、DVMに基づいた古典的なアルゴリズムの作業に基づいて、構造装置の重量マトリックスとサブマトリックを使用して、広帯域マルチビームビームフォーバーを実現するためにニューラルネットワーク（NN）アーキテクチャを提案します。
重量マトリックスと亜種の構造とスパースは、NNの空間と計算の複雑さを大幅に減らすことが示されています。
提案されているネットワークアーキテクチャには、O（M2L）の複雑さを備えた従来の完全に接続されたLレイヤーネットワークと比較してO（PLM Logm）の複雑さがあります。ここで、Mはネットワークの各レイヤーのノード数、Pはレイヤーあたりのサブマトリック数、およびM >> pです。
24 GHzから32 GHzの範囲に数値シミュレーションを示し、提案されたニューラルアーキテクチャを使用してワイドバンドマルチビームビームフォーマーを実現する数値の実現可能性を実証します。
また、提案されたNNの複雑さの減少を示し、それを完全に接続されたNNSと比較して、提案されたアーキテクチャの効率を正確に犠牲にすることなく示します。
提案されたNNアーキテクチャの精度は、平均2乗誤差を使用して示されました。これは、重みマトリックスの目的関数とアンテナアレイのビーム形成信号に基づいており、ノードを正規化します。
提案されているNNアーキテクチャは、低複雑さのインテリジェントシステムのためにリアルタイムで、低複数のnnの実現ワイドバンドマルチビームビームフォーマーがリアルタイムで実現することを示しています。
要約(オリジナル)
True-time-delay (TTD) beamformers can produce wideband, squint-free beams in both analog and digital signal domains, unlike frequency-dependent FFT beams. Our previous work showed that TTD beamformers can be efficiently realized using the elements of delay Vandermonde matrix (DVM), answering the longstanding beam-squint problem. Thus, building on our work on classical algorithms based on DVM, we propose neural network (NN) architecture to realize wideband multi-beam beamformers using structure-imposed weight matrices and submatrices. The structure and sparsity of the weight matrices and submatrices are shown to reduce the space and computational complexities of the NN greatly. The proposed network architecture has O(pLM logM) complexity compared to a conventional fully connected L-layers network with O(M2L) complexity, where M is the number of nodes in each layer of the network, p is the number of submatrices per layer, and M >> p. We will show numerical simulations in the 24 GHz to 32 GHz range to demonstrate the numerical feasibility of realizing wideband multi-beam beamformers using the proposed neural architecture. We also show the complexity reduction of the proposed NN and compare that with fully connected NNs, to show the efficiency of the proposed architecture without sacrificing accuracy. The accuracy of the proposed NN architecture was shown using the mean squared error, which is based on an objective function of the weight matrices and beamformed signals of antenna arrays, while also normalizing nodes. The proposed NN architecture shows a low-complexity NN realizing wideband multi-beam beamformers in real-time for low-complexity intelligent systems.
arxiv情報
| 著者 | Hansaka Aluvihare,Sivakumar Sivasankar,Xianqi Li,Arjuna Madanayake,Sirani M. Perera |
| 発行日 | 2025-03-26 16:25:32+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google