深度学习辅助的 6G 无线网络：革命性物理层架构综述
信息论
2022-11-28 v3 信号处理
math.IT
摘要
深度学习（DL）凭借其强大的表征能力与计算便捷性，已在计算机视觉、自然语言处理与语音识别等诸多领域证明了前所未有的成功。随着我们迈向由 6G 无线网络构成的全面智能化社会，新兴应用与用例对下一代无线通信提出了严苛要求。因此，近期研究聚焦于 DL 方法在满足这些严苛需求及克服现有基于模型技术缺陷方面的潜力。本文的主要目标是揭示基于 DL 的物理层（PHY）方法的最新进展，为 6G 的引人入胜应用铺平道路。我们特别关注意指将主导下一代通信的四种有前景的 PHY 概念，即大规模多输入多输出（MIMO）系统、复杂多载波（MC）波形设计、可重构智能表面（RIS）赋能的通信，以及物理层安全。我们考察基于 DL 技术的最新进展，与最先进方法进行比较，并给出面向未来方向的全面指南。我们还概述 DL 的基础概念及知名 DL 技术的理论背景。此外，本文通过分享用户友好的代码片段，给出若干 DL 技术及基于 DL 的 MIMO 实现的编程示例，可能对感兴趣的读者有所帮助。
引用
@article{arxiv.2201.03866,
title = {Deep Learning-Aided 6G Wireless Networks: A Comprehensive Survey of Revolutionary PHY Architectures},
author = {Burak Ozpoyraz and A. Tugberk Dogukan and Yarkin Gevez and Ufuk Altun and Ertugrul Basar},
journal= {arXiv preprint arXiv:2201.03866},
year = {2022}
}
备注
Published in IEEE OJ-COMS