Deep Learning-Based Pilotless Spatial Multiplexing

要約

この論文では、多入力多出力 (MIMO) 通信システムにおける機械学習 (ML) ベースのパイロットレス空間多重化の実現可能性を調査します。
特に、送信機と受信機を共同でトレーニングすることにより、送信機は空間ストリームのコンスタレーション形状を学習できるため、同時に学習した受信機による完全なブラインド分離と検出が容易になることが示されています。
私たちの知る限り、チャネル推定パイロットを使用しない ML ベースの空間多重化が実証されるのはこれが初めてです。
結果は、学習されたパイロットレス方式が、変調次数と信号対雑音比に応じて、スペクトル効率の点で従来のパイロットベースのシステムよりも 15 ～ 20% も優れた性能を発揮できることを示しています。

要約(オリジナル)

This paper investigates the feasibility of machine learning (ML)-based pilotless spatial multiplexing in multiple-input and multiple-output (MIMO) communication systems. Especially, it is shown that by training the transmitter and receiver jointly, the transmitter can learn such constellation shapes for the spatial streams which facilitate completely blind separation and detection by the simultaneously learned receiver. To the best of our knowledge, this is the first time ML-based spatial multiplexing without channel estimation pilots is demonstrated. The results show that the learned pilotless scheme can outperform a conventional pilot-based system by as much as 15-20% in terms of spectral efficiency, depending on the modulation order and signal-to-noise ratio.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google