面向物理层 5G 无线技术的深度学习：机遇、挑战与解决方案
信号处理
2019-04-23 v1 人工智能
摘要
对高可靠性和超高容量无线通信的新需求已引发对 5G 通信的广泛研究。然而，基于传统通信理论设计的现有通信系统严重限制了性能的进一步提升并导致严重的局限。近来，新兴的深度学习技术已被认为是处理复杂通信系统的一种有前景的工具，并且其在优化无线通信方面的潜力已得到证明。在本文中，我们首先回顾了面向 5G 通信的深度学习解决方案的发展，然后提出了基于深度学习的 5G 场景的高效方案。具体而言，我们给出了若干重要基于深度学习的通信方法的关键思路以及研究机遇与挑战。特别地，我们研究了非正交多址（NOMA）、大规模多输入多输出（MIMO）和毫米波（mmWave）的新颖通信框架，并展示了其优越性能。我们展望，这种引人注目的基于深度学习的无线物理层框架将为通信理论带来新方向，且本工作将推动我们沿此道路前行。
引用
@article{arxiv.1904.09673,
title = {Deep Learning for Physical-Layer 5G Wireless Techniques: Opportunities, Challenges and Solutions},
author = {Hongji Huang and Song Guo and Guan Gui and Zhen Yang and Jianhua Zhang and Hikmet Sari and Fumiyuki Adachi},
journal= {arXiv preprint arXiv:1904.09673},
year = {2019}
}
备注
Submitted a possible publication to IEEE Wireless Communications Magazine