基于无监督学习的低分辨率相移器MU-MIMO系统混合波束成形
信号处理
2022-02-07 v1 信息论
机器学习
math.IT
摘要
毫米波(mmWave)是第五代(5G)及更先进通信的关键技术。混合波束成形已被提出用于毫米波通信中的大规模天线系统。现有的基于无限分辨率相移器(PS)的混合波束成形设计由于硬件成本和功耗而不切实际。在本文中，我们提出了一种基于无监督学习的方案，为多用户多输入多输出(MU-MIMO)系统联合设计具有低分辨率PS的模拟预编码器和合并器。我们将模拟预编码器和合并器设计问题转化为相位分类问题，并提出了一种称为相位分类网络(PCNet)的通用神经网络架构，能够生成各种PS分辨率的解决方案。仿真结果表明，与最先进的低分辨率PS配置(最常用)的混合波束成形设计相比，所提方案具有更优的和速率与复杂度性能。
引用
@article{arxiv.2202.01946,
title = {Unsupervised Learning Based Hybrid Beamforming with Low-Resolution Phase Shifters for MU-MIMO Systems},
author = {Chia-Ho Kuo and Hsin-Yuan Chang and Ronald Y. Chang and Wei-Ho Chung},
journal= {arXiv preprint arXiv:2202.01946},
year = {2022}
}
备注
IEEE International Conference on Communications (ICC) 2022