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.
To Another Language
from source content
arxiv.org
Viktige innsikter hentet fra
by Gerald Enzne... klokken arxiv.org 10-02-2024
https://arxiv.org/pdf/2410.00894.pdfDypere Spørsmål