无线网络中的深度学习干扰消除
信号处理
2020-09-14 v1
摘要
随着电磁频谱的拥挤和无线网络中小区尺寸的缩小，基站与用户间的串扰是一个主要问题。尽管手工设计的功能模块和编码方案已被证明能有效保证可靠数据传输，目前基于深度学习的方法在通信系统建模中引起了越来越多的关注。本文中，我们提出一种基于神经网络（NN）的信号处理技术，它与传统 DSP 算法协同工作以实时克服干扰问题。该技术不需要接收端与发送端之间的任何反馈协议，这使其非常适用于自主性和增强现实等低延迟和高数据速率应用。尽管近期已有在控制层使用强化学习（RL）来管理和控制干扰的工作，我们的方法新颖之处在于其在基带数据速率和物理层引入神经网络进行信号处理。我们使用卷积 LSTM 自编码器演示了这一“深度干扰消除”技术。当应用于 QAM-OFDM 调制数据时，该网络在符号错误率（SER）上产生显著改善。我们进一步讨论了硬件实现，包括延迟、功耗、存储需求和芯片面积。
引用
@article{arxiv.2009.05533,
title = {Deep Learning Interference Cancellation in Wireless Networks},
author = {Yiming Zhou and Ashkan Samiee and Tingyi Zhou and Bahram Jalali},
journal= {arXiv preprint arXiv:2009.05533},
year = {2020}
}