为6G重新定义无线通信：信号处理与深度展开深度学习的融合
网络与互联网体系结构
2021-08-25 v5 机器学习
信号处理
摘要
2019年见证了5G标准的推出，其有望相较4G提供显著的数据速率提升。尽管5G仍处于起步阶段，研究界对于超越5G的通信技术已出现日益增长的转向。近期出现的用于增强无线通信并赋予其亟需的智能的机器学习方法，在为6G重新定义无线通信方面具有巨大潜力。不断演进的通信系统将在时延、吞吐量和可靠性方面受限于物理层底层信号处理。在本立场论文中，我们论证了需要利用深度展开技术重新设计迭代信号处理算法，以满足6G网络的物理层需求。为此，我们首先给出所设想的6G通信架构的业务需求和关键挑战。我们概述了传统算法原理和数据饥渴型深度学习（DL）方法在6G网络背景下的不足。具体而言，通过勾勒领域知识与DL之间的相互作用，给出了深度展开信号处理。本文综述的深度展开方法被明确置于下一代蜂窝网络所施加需求的背景中。最后，本文提出了真正实现面向未来6G网络的高硬件效率边缘智能的开放研究挑战。
引用
@article{arxiv.2004.10715,
title = {Redefining Wireless Communication for 6G: Signal Processing Meets Deep Learning with Deep Unfolding},
author = {Anu Jagannath and Jithin Jagannath and Tommaso Melodia},
journal= {arXiv preprint arXiv:2004.10715},
year = {2021}
}
备注
Preprint accepted to IEEE Transactions on Artificial Intelligence