AI-Empowered Hybrid MIMO Beamforming

要約

ハイブリッドMIMO（Multiple-Input Multiple-Output）は、将来の無線通信で想定される超大規模MIMOシステムをスケーラブルかつ電力効率的に実現するための魅力的な技術である。しかし、ハイブリッドMIMOは、ビームフォーミングの一部をアナログで、一部をデジタルで実現するため、従来のフルデジタルMIMOと比較して、そのビームパターンの最適化は著しく困難です。そのため、近年、ハイブリッドビームフォーミングの設計にデータ支援型人工知能（AI）ツールを活用することに関心が高まっている。本稿では、ハイブリッドビームフォーミングのリアルタイム設計を改善するために、データを活用するための候補となる戦略についてレビューする。本稿では、ハイブリッドビームフォーミングの最適化に関連するアーキテクチャ上の制約と中核的な課題を説明する。次に、これらの課題が従来の最適化によってどのように処理されるかを示し、さまざまなAI支援設計アプローチを特定する。これらのアプローチは、純粋なデータ駆動型深層学習モデルと、AIと古典的な最適化を組み合わせた様々な形式の深層展開技術に大別される。我々は、数値評価と定性的な尺度の両方を含む既存のアプローチ間の体系的比較研究を提供する。最後に、ハイブリッドMIMOシステムにおけるAIの組み込みに関連する将来の研究機会を提示することで、結論を出す。

要約(オリジナル)

Hybrid multiple-input multiple-output (MIMO) is an attractive technology for realizing extreme massive MIMO systems envisioned for future wireless communications in a scalable and power-efficient manner. However, the fact that hybrid MIMO systems implement part of their beamforming in analog and part in digital makes the optimization of their beampattern notably more challenging compared with conventional fully digital MIMO. Consequently, recent years have witnessed a growing interest in using data-aided artificial intelligence (AI) tools for hybrid beamforming design. This article reviews candidate strategies to leverage data to improve real-time hybrid beamforming design. We discuss the architectural constraints and characterize the core challenges associated with hybrid beamforming optimization. We then present how these challenges are treated via conventional optimization, and identify different AI-aided design approaches. These can be roughly divided into purely data-driven deep learning models and different forms of deep unfolding techniques for combining AI with classical optimization.We provide a systematic comparative study between existing approaches including both numerical evaluations and qualitative measures. We conclude by presenting future research opportunities associated with the incorporation of AI in hybrid MIMO systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL