面向下一代无线通信的 Transformer 掩码自编码器：架构与机遇
信号处理
2024-01-15 v1 网络与互联网体系结构
摘要
下一代通信网络有望利用数据科学的最新进展和尖端通信技术来提高可用通信资源的利用率。本文介绍了一种新兴的深度学习（DL）架构——Transformer 掩码自编码器（TMAE），并探讨了其在下一代无线网络中的潜力。我们讨论了当前 DL 技术在满足 5G 及超 5G 网络需求方面的局限性，以及 TMAE 与经典 DL 技术的区别如何可能解决若干无线通信问题。我们重点指出了下一代移动网络中可利用 TMAE 解决的多个领域，包括信源与信道编码、估计以及安全。此外，我们展示了一个案例研究，说明 TMAE 如何相较于现有方案提高数据压缩性能并降低复杂度。最后，我们讨论了在智能下一代移动网络中部署 TMAE 的关键挑战和未来的开放研究方向。
引用
@article{arxiv.2401.06274,
title = {Transformer Masked Autoencoders for Next-Generation Wireless Communications: Architecture and Opportunities},
author = {Abdullah Zayat and Mahmoud A. Hasabelnaby and Mohanad Obeed and Anas Chaaban},
journal= {arXiv preprint arXiv:2401.06274},
year = {2024}
}
备注
accepted to appear at IEEE Communications Magazine