面向宽带多波束阵列器的低复杂度结构化神经网络方法
机器学习
2025-03-27 v1 信号处理
摘要
真时延 (TTD) 阵列器可在模拟和数字信号域内产生宽带、无 squint 波束，不同于频率依赖的 FFT 阵列器。我们先前的工作表明，TTD 阵列器可使用延迟范德瓦尔德矩阵 (DVM) 的元素有效实现，解决了长期存在的阵列失真问题。基于此，我们提出一种神经网络 (NN) 架构来实现宽带多波束阵列器，采用结构施加的权重矩阵和子矩阵。权重矩阵和子矩阵的结构和稀疏性被证明可显著降低 NN 的空间复杂度和计算复杂度。所提议的网络架构的复杂度为O(pLM logM)，而传统全连接 L 层网络的复杂度为O(M^2L)，其中M是网络中每个层的节点数，p是每层的子矩阵数，M >> p。我们将在24 GHz至32 GHz 频段展示数值仿真，以演示所提议神经网络架构实现宽带多波束阵列器的数值可行性。我们还展示了所提议 NN 的复杂度降低情况，并与全连接 NN 进行比较，以显示该架构在不牺牲精度方面的效率。所提议的 NN 架构的准确性通过均方误差展示，其中基于权重矩阵和天线阵列的阵形信号的客观函数，同时对节点进行归一化。所提议的 NN 架构展现了在低复杂度智能系统中实现宽带多波束阵列器的低复杂度 NN。
引用
@article{arxiv.2503.20694,
title = {A Low-complexity Structured Neural Network Approach to Intelligently Realize Wideband Multi-beam Beamformers},
author = {Hansaka Aluvihare and Sivakumar Sivasankar and Xianqi Li and Arjuna Madanayake and Sirani M. Perera},
journal= {arXiv preprint arXiv:2503.20694},
year = {2025}
}
备注
10 pages, 3 figures