แนวคิดหลัก
제한된 프론트홀 용량과 파일럿 간섭이 있는 셀 프리 MIMO 시스템에서 문맥 학습 기반 등화기가 선형 최소 평균 제곱 오차 등화기보다 우수한 성능을 제공한다.
บทคัดย่อ
이 연구는 셀 프리 다중 사용자 MIMO 시스템에서 문맥 학습(in-context learning, ICL)을 활용한 채널 등화 기법을 제안한다.
셀 프리 MIMO 시스템에서는 프론트홀 용량 제한으로 인해 중앙 처리 장치(CPU)가 비선형 왜곡된 신호를 수신하게 되어 검출 알고리즘 설계가 어려워진다.
제안하는 ICL 기반 등화기는 전송된 파일럿, 수신된 양자화된 파일럿, 현재 수신된 데이터 신호, 그리고 작업 정보(예: 대규모 페이딩 계수, 변조 방식)를 활용하여 디코더 전용 트랜스포머 모델을 통해 데이터 심볼을 추정한다.
다양한 프론트홀 용량 제약 및 파일럿 간섭 시나리오에서 실험을 수행한 결과, ICL 기반 등화기가 선형 최소 평균 제곱 오차(LMMSE) 등화기 및 메타 학습 기반 등화기보다 우수한 성능을 보였다.
특히 프론트홀 용량이 제한적이고 파일럿 간섭이 심한 경우, ICL 기반 등화기가 LMMSE 등화기보다 낮은 평균 제곱 오차를 달성하였다.
이는 ICL 기반 등화기가 제한된 파일럿 정보를 활용하여 등화기의 동작을 효과적으로 적응시킬 수 있기 때문이다.
สถิติ
평균 신호 대 잡음비(SNR)가 24dB일 때, 프론트홀 용량이 8비트/심볼일 경우 ICL 기반 등화기의 평균 제곱 오차(MSE)가 LMMSE 등화기보다 약 2dB 낮다.
파일럿 재사용이 3회일 때, 평균 SNR이 30dB일 경우 ICL 기반 등화기의 MSE가 LMMSE 등화기보다 약 3dB 낮다.
คำพูด
"제한된 프론트홀 용량과 파일럿 간섭이 있는 셀 프리 MIMO 시스템에서 ICL 기반 등화기가 선형 MMSE 등화기보다 낮은 평균 제곱 오차를 달성한다."
"ICL 기반 등화기는 제한된 파일럿 정보를 활용하여 등화기의 동작을 효과적으로 적응시킬 수 있다."