物理层深度学习：系统挑战及在 5G 及更先进网络中的应用
网络与互联网体系结构
2020-09-09 v2 信号处理
摘要
物联网（IoT）前所未有的需求使得频谱资源的细粒度优化成为迫切必要。因此，设计能够实时从频谱中提取知识并相应选择最优频谱接入策略的技术已变得比以往更为重要。此外，5G 及超越 5G（5GB）网络将需要复杂的管理方案来处理诸如自适应波束管理与速率选择等问题。尽管深度学习（DL）在建模复杂现象上已取得成功，但市售无线设备仍远未真正采用基于学习的技术来优化其频谱使用。本文中，我们首先讨论物理层实时 DL 的必要性，随后总结当前最新进展与现有局限。我们通过探讨研究挑战议程以及 DL 如何应用于解决 5GB 网络中的关键问题来结束本文。
引用
@article{arxiv.2004.10113,
title = {Deep Learning at the Physical Layer: System Challenges and Applications to 5G and Beyond},
author = {Francesco Restuccia and Tommaso Melodia},
journal= {arXiv preprint arXiv:2004.10113},
year = {2020}
}
备注
Accepted for publication in IEEE Communications Magazine