AirNN：基于可重构智能表面的空中卷积神经网络
信号处理
2022-02-08 v1
摘要
空中模拟计算通过精心构造的发射信号将计算卸载到无线环境中。本文中，我们设计并实现了首创的空中卷积，并在卷积神经网络（CNN）的推理任务中予以演示。我们通过可重构智能表面（RIS）来调控环境无线传播环境以设计该架构，称之为“AirNN”。AirNN 利用波反射的物理特性，将 CNN 架构中至关重要的数字卷积表示于模拟域。与接收端必须对信道引起的变换（通常表示为有限冲激响应（FIR）滤波器）作出响应的经典通信不同，AirNN 主动制造信号反射，通过 RIS 来模拟特定的 FIR 滤波器。AirNN 包含两步：首先，从对应于可实现 FIR 滤波器的信道冲激响应（CIR）有限集合中抽取 CNN 中神经元的权重；其次，每个 CIR 通过 RIS 设计，反射信号在接收端合并以确定卷积输出。本文通过实验演示空中卷积给出了 AirNN 的概念验证，随后通过仿真在调制分类示例任务上验证了整个所得 CNN 模型的精度。
引用
@article{arxiv.2202.03399,
title = {AirNN: Neural Networks with Over-the-Air Convolution via Reconfigurable Intelligent Surfaces},
author = {Sara Garcia Sanchez and Guillem Reus Muns and Carlos Bocanegra and Yanyu Li and Ufuk Muncuk and Yousof Naderi and Yanzhi Wang and Stratis Ioannidis and Kaushik R. Chowdhury},
journal= {arXiv preprint arXiv:2202.03399},
year = {2022}
}