무선 속도에 맞춘 범용 신경 수신기
본 논문은 모든 파형·주파수 대역에 적용 가능한 범용 신경 수신기 구조를 제안한다. 전파 과정을 컨볼루션으로 모델링하고, 컨볼루션 역전(디컨볼루션)을 수행하는 매우 단순한 순환 신경망(RNN) 혹은 병렬 리저버 구조를 사용한다. 네트워크 가중치는 물리적 도메인 지식을 이용해 직접 설정함으로써 방대한 오프라인 사전 학습을 배제하고, 서브밀리초 TTI 수준의 OTA(Over‑the‑Air) 샘플만으로 실시간 적응한다. MIMO‑OFDM 및 OTFS…
저자: ** - **L. Liu** – Wireless@Virginia Tech, Bradley Department of ECE, Virginia Tech - **Y. Yi** – Wireless@Virginia Tech
본 논문은 차세대 무선 통신, 특히 5G‑Advanced와 6G(NextG) 환경에서 AI/ML 기반 물리 계층(PHY)의 적용 가능성을 재검토한다. 현재 3GPP 표준은 복잡한 스케줄링·다중 사용자·다중 안테나 환경을 모델 기반으로 설계하고, 레퍼런스 신호를 이용해 채널을 추정한다. 그러나 이러한 접근은 (1) 수많은 파라미터와 조합으로 인한 모델·알고리즘 복잡도 증가, (2) 전 세계 다양한 전파 환경에 대한 오프라인 학습 데이터 부족, (3) 서브밀리초 수준으로 변동하는 간섭·채널 상황에 실시간으로 적응하기 어려운 점을 안고 있다.
이에 저자들은 ‘컨볼루션’이라는 물리적 공통 기반 위에 범용 신경 수신기(Universal Neural Receiver, UNR)를 설계한다. 전송 과정은 입력 신호 X
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기