이 논문은 초대형 MIMO 시스템에서의 다중 사용자 빔 트레이닝 문제를 다룬다. 초대형 MIMO 시스템은 기존 대규모 MIMO 시스템보다 더 많은 안테나를 사용하여 스펙트럼 효율을 높일 수 있지만, 빔 트레이닝에 많은 파일럿 오버헤드가 필요하다는 문제가 있다. 또한 사용자 밀도가 높은 경우 사용자 간 무선 전파 환경이 유사하여 파일럿 신호가 상관관계를 가지게 되며, 이를 효과적으로 활용하기 어렵다. 마지막으로 사용자 간 최적 빔이 겹치는 빔 충돌 문제도 발생한다.
이를 해결하기 위해 저자들은 3단계 그래프 신경망 기반 빔 트레이닝 기법을 제안한다.
1단계에서는 먼저 각 사용자의 원거리 광빔 빔포밍 이득 정보만을 이용하여 그래프 신경망을 통해 최적 근거리 빔을 추정한다. 이 과정에서 주변 사용자의 파일럿 신호 정보를 활용하여 추정 정확도를 높인다.
2단계에서는 각 사용자의 빔 할당 확률 벡터를 이용하여 빔 충돌을 해결하는 빔 할당 기법을 제안한다.
3단계에서는 하이브리드 전송 빔포밍을 설계하여 사용자 간 간섭을 추가로 감소시킨다.
시뮬레이션 결과, 제안 기법은 기존 기법 대비 빔 트레이닝 성능이 우수하며, 파일럿 오버헤드는 약 7%만 필요하면서도 exhaustive search와 유사한 성능을 달성할 수 있음을 보여준다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Wang Liu,Cun... at arxiv.org 03-27-2024
https://arxiv.org/pdf/2402.13597.pdfDeeper Inquiries