全双工无线电中用于自干扰消除的低复杂度神经网络结构
信号处理
2020-09-25 v1 机器学习
摘要
自干扰(SI)被认为是全双工(FD)系统中的主要挑战。因此,为了在第五代以上无线网络中有力地部署FD系统,需要高效的SI消除器。现有的SI消除方法大多考虑接收端SI信号的多项式表示。这些方法在实践中表现良好,但需要较高的计算复杂度。作为替代方案,神经网络(NN)被设想为以较低计算复杂度对SI信号建模的有前景的候选方案。因此,本文提出了两种新颖的低复杂度NN结构,称为阶梯式网格结构(LWGS)和滑动窗口网格结构(MWGS)。这两种结构的核心思想是模仿引入SI信号的非线性和记忆效应,以实现适当的SI消除,同时展现出低计算复杂度。仿真结果表明,LWGS和MWGS基于NN的消除器达到了与基于多项式的消除器相同的消除性能,同时分别提供了49.87%和34.19%的复杂度降低。
引用
@article{arxiv.2009.11361,
title = {Low Complexity Neural Network Structures for Self-Interference Cancellation in Full-Duplex Radio},
author = {Mohamed Elsayed and Ahmad A. Aziz El-Banna and Octavia A. Dobre and Wanyi Shiu and Peiwei Wang},
journal= {arXiv preprint arXiv:2009.11361},
year = {2020}
}
备注
13 pages, 4 figures, to be appeared to IEEE Communications Letters