非线性功率放大器下用于降低带外发射的波形学习
信号处理
2022-01-17 v1 机器学习
摘要
机器学习(ML)在优化无线通信系统物理层处理的各个方面已展现出巨大潜力。本文中，我们利用ML联合学习发射波形与频域接收机。具体地，我们考虑发射机功率放大器以非线性方式工作的场景，并利用ML优化波形以最小化带外发射。系统还学习一种星座形状，以便由同时学习的接收机进行无导频检测。仿真结果表明，这种端到端优化系统比传统系统能更准确地传输数据且带外发射更少，从而展示了ML在优化空口中的潜力。据我们所知，此前尚无在端到端学习系统中考虑功率放大器所致发射的工作。这些发现为ML原生空口铺平了道路，其或可作为6G的构建模块之一。
引用
@article{arxiv.2201.05524,
title = {Waveform Learning for Reduced Out-of-Band Emissions Under a Nonlinear Power Amplifier},
author = {Dani Korpi and Mikko Honkala and Janne M. J. Huttunen and Fayçal Ait Aoudia and Jakob Hoydis},
journal= {arXiv preprint arXiv:2201.05524},
year = {2022}
}