المفاهيم الأساسية
제안된 해싱 다중 빔(HMB) 트레이닝 기법은 로그 수준의 복잡도로 빔 트레이닝을 수행하면서도 높은 정확도를 달성할 수 있다.
الملخص
이 논문은 다중 사용자 밀리미터파 통신 시스템에서 다중 재구성 가능 지능형 표면(RIS)을 활용하여 커버리지와 달성 가능한 전송률을 향상시키는 빔 트레이닝 문제를 다룬다. 기존의 빔 트레이닝 기법은 높은 복잡도와 낮은 식별 정확도의 문제가 있다. 이를 해결하기 위해 제안된 HMB 트레이닝 기법은 다음과 같은 특징을 가진다:
- 해싱 기반의 다중 빔 생성 메커니즘을 설계하여 빔 트레이닝 복잡도를 로그 수준으로 낮춤
- 수신 신호 전력에 기반한 디멀티플렉싱 알고리즘과 다중 라운드 투표 메커니즘을 활용하여 높은 식별 정확도 달성
- 다중 RIS와 다중 사용자의 동시 트레이닝을 지원하여 트레이닝 오버헤드 감소
시뮬레이션 결과에 따르면 제안된 HMB 트레이닝 기법은 기존 기법 대비 최소 20% 이상의 식별 정확도 향상을 보였으며, 로그 수준의 낮은 트레이닝 오버헤드를 달성했다.
الإحصائيات
제안된 HMB 트레이닝 기법은 로그 수준의 복잡도를 가진다.
HMB 트레이닝 기법은 기존 기법 대비 최소 20% 이상의 식별 정확도 향상을 보였다.
اقتباسات
"제안된 HMB 트레이닝 기법은 다중 RIS와 다중 사용자의 동시 트레이닝을 지원하여 트레이닝 오버헤드를 감소시킨다."
"HMB 트레이닝 기법은 해싱 기반의 다중 빔 생성 메커니즘과 수신 신호 전력에 기반한 디멀티플렉싱 알고리즘, 다중 라운드 투표 메커니즘을 활용하여 높은 식별 정확도를 달성한다."