Deep Learning Based Uplink Multi-User SIMO Beamforming Design

要約

第 5 世代 (5G) 無線通信ネットワークの進歩により、高いデータ レート、広範囲のカバレッジ、最小限の遅延、エネルギー効率の高いパフォーマンスを提供する無線リソース管理ソリューションに対する需要が高まっています。
それにもかかわらず、従来のアプローチには、計算の複雑さと動的条件に適応する能力に関して欠点があり、理論的な分析と無線リソースを管理するためのアルゴリズム ソリューションの実際の実行との間にギャップが生じています。
深層学習ベースの技術は、その実質的な表現機能によってこのギャップを埋めるための有望なソリューションを提供します。
我々は、アップリンク受信マルチユーザー単一入力複数出力（MU-SIMO）ビームフォーミングの設計のために、NNBFと呼ばれる新しい教師なし深層学習フレームワークを提案します。
主な目的は、確立された従来の方法とは対照的に、計算効率の高いソリューションを提供しながら合計レートの最大化に焦点を当ててスループットを向上させることです。
いくつかのアンテナ構成について実験を行います。
私たちの実験結果は、NNBF がベースライン手法、つまりゼロフォーシング ビームフォーミング (ZFBF) および最小平均二乗誤差 (MMSE) イコライザーと比較して優れたパフォーマンスを示すことを示しています。
さらに、NNBF は単一アンテナのユーザー機器 (UE) の数に合わせて拡張可能ですが、ベースライン手法では行列の擬似逆演算により大きな計算負荷がかかります。

要約(オリジナル)

The advancement of fifth generation (5G) wireless communication networks has created a greater demand for wireless resource management solutions that offer high data rates, extensive coverage, minimal latency and energy-efficient performance. Nonetheless, traditional approaches have shortcomings when it comes to computational complexity and their ability to adapt to dynamic conditions, creating a gap between theoretical analysis and the practical execution of algorithmic solutions for managing wireless resources. Deep learning-based techniques offer promising solutions for bridging this gap with their substantial representation capabilities. We propose a novel unsupervised deep learning framework, which is called NNBF, for the design of uplink receive multi-user single input multiple output (MU-SIMO) beamforming. The primary objective is to enhance the throughput by focusing on maximizing the sum-rate while also offering computationally efficient solution, in contrast to established conventional methods. We conduct experiments for several antenna configurations. Our experimental results demonstrate that NNBF exhibits superior performance compared to our baseline methods, namely, zero-forcing beamforming (ZFBF) and minimum mean square error (MMSE) equalizer. Additionally, NNBF is scalable to the number of single-antenna user equipments (UEs) while baseline methods have significant computational burden due to matrix pseudo-inverse operation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google