이 논문은 무선 통신에서 자기 간섭 제거를 위한 신경망 기반 모델링 기술을 다룬다. 자기 간섭 제거는 대역 내 전이중 통신 시스템에서 핵심적인 기술이다.
논문에서는 두 가지 자기 간섭 제거 시스템 옵션을 고려한다. 하나는 비선형 전력 증폭기 후 선형 채널로 구성된 Hammerstein 구조이고, 다른 하나는 선형 채널 후 비선형 저잡음 증폭기로 구성된 Wiener 구조이다.
이를 위해 다양한 수준의 자기 간섭 채널 및 비선형성 변화를 포함하는 데이터셋을 생성하였다. 이 데이터셋은 공개되어 있어 향후 연구에 활용될 수 있다.
제안하는 신경망 모델은 Hammerstein 구조에 초점을 맞추었다. 고정된 자기 간섭 채널 및 비선형성에 대한 한계를 극복하기 위해 적응형 신경망 구조를 도입하였다. 이를 통해 변화하는 자기 간섭 채널 및 비선형성에 대한 모델링 성능을 향상시킬 수 있었다.
실험 결과, 제안하는 적응형 신경망 모델은 고정된 자기 간섭 채널 및 비선형성 데이터에서 -50dB의 MSE 성능을 보였다. 변화하는 자기 간섭 채널 데이터에서는 -60dB, 변화하는 자기 간섭 채널 및 비선형성 데이터에서는 -50dB의 MSE 성능을 달성하였다. 이는 기존 메모리 다항식 모델 대비 우수한 성능이다.
향후 연구에서는 자기 간섭 제거를 위한 신경망 모델의 성능을 더욱 향상시키기 위한 노력이 필요할 것으로 보인다.
A otro idioma
del contenido fuente
arxiv.org
Ideas clave extraídas de
by Gerald Enzne... a las arxiv.org 10-02-2024
https://arxiv.org/pdf/2410.00894.pdfConsultas más profundas