Employing large antenna arrays and utilizing large bandwidth have the potential of bringing very high data rates to future wireless communication systems. To achieve that, however, new challenges associated with these systems need to be addressed. First, the large array aperture brings the communications to the near-field region, where the far-field assumptions no longer hold. Second, the analog-only (phase shifter based) beamforming architectures result in performance degradation in wideband systems due to their frequency unawareness. To address these problems, this paper proposes a low-complexity frequency-aware near-field beamforming framework for hybrid time-delay (TD) and phase-shifter (PS) based RF architectures. Specifically, a \textit{signal model inspired online learning} framework is proposed to learn the phase shifts of the quantized analog phase-shifters. Thanks to the model-inspired design, the proposed learning approach has fast convergence performance. Further, a low-complexity \textit{geometry-assisted} method is developed to configure the delay settings of the TD units. Simulation results highlight the efficacy of the proposed solution in achieving robust near-field beamforming performance for wideband large antenna array systems.


翻译:使用大型天线阵列和使用大型带宽具有为未来的无线通信系统带来非常高的数据率的潜力。然而,为了实现这一点,需要应对与这些系统相关的新挑战。首先,大型阵列孔径将通信带到远处假设不再能维持的近地点区域。第二,只使用模拟的(以级轮班为基础的)波形结构由于频率不知情而导致宽带系统的性能退化。为解决这些问题,本文件提议为基于时差的混合和分阶段变换的RF结构制定一个低复杂性频率近场调整框架。具体地说,提议了一个\textit{信号模型激励在线学习}框架,以学习四分化的模拟阶段变换的阶段性转变。由于模型启发设计,拟议学习方法的性能迅速趋同。此外,还开发了一个低兼容性\textit{地理测量-辅助}方法,以配置基于时差(TD)和阶段变换(PS)的RF结构的延迟设置。具体地,建议采用“TTD-delay (TD)) 和分阶段变换(PS) 结构的低兼容性框架框架。Simlating 成果突出显示拟议的宽度解决方案的效能,以在近地面上实现强的大型变换式系统。

0
下载
关闭预览

相关内容

强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11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
机器学习入门的经验与建议
专知会员服务
92+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
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9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
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
中国图象图形学学会CSIG
1+阅读 · 2021年11月11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】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24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 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014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 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012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 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
24+阅读 · 2021年1月25日
Learning in the Frequency Domain
Arxiv
11+阅读 · 2020年3月12日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
VIP会员
相关资讯
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
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
中国图象图形学学会CSIG
1+阅读 · 2021年11月11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】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24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 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014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 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012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 · 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