Neural Codebook Design for Network Beam Management

要約

正確かつタイムリーなチャネル状態情報 (CSI) を取得することは、大型アンテナ システムにとって基本的な課題です。
5G などのモバイル システムでは、初期アクセス、ビームフォーミング、CSI 取得、データ送信を結合するビーム管理フレームワークが使用されます。
ただし、これらの段階のコードブックの設計は、それらの相互関係、さまざまな配列サイズ、サイト固有のチャネルとユーザーの分布のため、困難です。
さらに、ビーム管理は、包括的なネットワークレベルおよびシステムレベルの最適化を無視して、単一セクターの運用に焦点を当てていることがよくあります。
この論文では、非常に大規模なハイブリッド アレイで達成可能なパフォーマンスを最大化しながら干渉を軽減するためにコードブックをキャプチャして最適化する、エンドツーエンドの学習済みコードブック設計アルゴリズムであるネットワーク ビームスペース学習 (NBL) を提案しました。
提案されたアルゴリズムは、限られた共有情報を必要としますが、ビーム アライメントで従来のコードブックを 10dB 以上上回り、ネットワーク スペクトル効率で 25% 以上の向上を達成するコードブックを設計します。

要約(オリジナル)

Obtaining accurate and timely channel state information (CSI) is a fundamental challenge for large antenna systems. Mobile systems like 5G use a beam management framework that joins the initial access, beamforming, CSI acquisition, and data transmission. The design of codebooks for these stages, however, is challenging due to their interrelationships, varying array sizes, and site-specific channel and user distributions. Furthermore, beam management is often focused on single-sector operations while ignoring the overarching network- and system-level optimization. In this paper, we proposed an end-to-end learned codebook design algorithm, network beamspace learning (NBL), that captures and optimizes codebooks to mitigate interference while maximizing the achievable performance with extremely large hybrid arrays. The proposed algorithm requires limited shared information yet designs codebooks that outperform traditional codebooks by over 10dB in beam alignment and achieve more than 25% improvements in network spectral efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google