This article presents two novel hybrid beamforming (HYBF) designs for a multi-cell massive multiple-input-multiple-output (mMIMO) millimeter wave (mmWave) full duplex (FD) system under limited dynamic range (LDR). Firstly, we present a novel centralized (C-HYBF) scheme based on alternating optimization. However, C-HYBF presents many drawbacks such as high computational complexity, massive communication overhead to transfer complete channel state information (CSI) to the central node every channel coherence time (CCT), and requirement of expensive computational resources. To overcome these drawbacks, we present a very low complexity, per-link parallel and distributed HYBF (P$\&$D-HYBF) scheme based on cooperation. Due to per-link decomposition, it enables each FD base station (BS) to solve its local sub-problems independently and in parallel on multiple processors, which leads to significant reduction in the execution time. It requires that each FD BS cooperates by exchanging information about the beamformers with the neighbouring BSs which allow each FD BS to adapt its beamformers correctly, and consequently, P$\&$D-HYBF exhibits negligible performance loss compared to C-HYBF. Moreover, its complexity scales only linearly with the network size and density, making it highly scalable. Simulation results show that both designs achieve similar performance and outperform the fully digital half duplex (HD) system with only a few radio-frequency (RF) chains.


翻译:本文介绍了两种新型混合波形(HYBF)设计,用于在有限的动态范围(LDR)下建立多细胞大规模多投入-多输出(MMIMIM)毫米(mmWave)全双倍(MMWave)系统。首先,我们提出了一个基于交替优化的新型中央(C-HYBF)计划。然而,C-HYBF提出了许多缺点,例如计算复杂程度高,将大量通信间接费用传输到每个频道的中央节点(CCT),以及需要昂贵的计算资源。为了克服这些缺陷,我们展示了一个基于合作的非常低的复杂度、双链接和分布的HYBFF(P$$(D-D-HyBF)系统。由于每链接拆分解,C-HYB(C-HIF)系统能够独立和平行地解决其本地子问题,这导致执行时间大幅缩短。它要求每个FDBS公司通过交换关于BA(B-$)的信息,与相邻的BS(BS-D)的平价(一半)的平级(BIS-R)网络进行精确的升级的升级,使每个S-RFFFS-S-S-S-S-S-S-S-imal)的系统能够正确调整其平级的平级的平级的平级的平级的平级的平级的平级的平级的平级的平级的平比。

0
下载
关闭预览

相关内容

【2022新书】高效深度学习,Efficient Deep Learning Book
专知会员服务
118+阅读 · 2022年4月21日
专知会员服务
31+阅读 · 2021年6月12日
专知会员服务
39+阅读 · 2020年9月6日
抢鲜看!13篇CVPR2020论文链接/开源代码/解读
专知会员服务
49+阅读 · 2020年2月26日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
VIP会员
相关VIP内容
相关资讯
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员