신경망 기반 자기간섭 제거의 하드웨어 구현

📝 원문 정보

• Title: Hardware Implementation of Neural Self-Interference Cancellation
• ArXiv ID: 2001.04543
• 발행일: 2020-05-08
• 저자: Yann Kurzo, Andreas Toftegaard Kristensen, Andreas Burg, and Alexios Balatsoukas-Stimming

📝 초록 (Abstract)

동일 주파수 대역에서 동시에 정보를 송신 및 수신할 수 있는 동일대역 전자제복 시스템은 강력한 자기간섭을 초래하며, 이로 인해 비선형 디지털 자기간섭 제거가 필수적이다. 본 연구에서는 신경망 기반의 비선형 자기간섭(SI) 제거기의 하드웨어 아키텍처를 설명하고, 다항식 기반 SI 제거기에 대한 자체 구현과 비교한다. 특히 얕은 신경망 및 깊은 신경망 SI 제거기와 다항식 SI 제거기에 대한 구현 결과를 제공한다. 우리의 결과는 깊은 신경망 제거기가 최대 312.8 Msamples/s/mm²의 하드웨어 효율성과 0.9 nJ/sample의 에너지 효율성을 달성하며, 각각 다항식 SI 제거기보다 2.1배와 2배 더 우수함을 보여준다. 이러한 결과는 통신에 적용된 신경망 기반 방법이 성능면에서뿐만 아니라 구현 복잡도를 줄이는 데 매우 효과적인 수단임을 나타낸다.

💡 논문 핵심 해설 (Deep Analysis)

This research paper focuses on the hardware implementation of a neural network-based self-interference (SI) canceller for in-band full-duplex systems, which can transmit and receive information simultaneously within the same frequency band. The strong self-interference from the transmitter to its own receiver necessitates non-linear digital SI cancellation. In this work, the authors present a hardware architecture for both shallow and deep neural network-based SI cancellers and compare their performance with that of a polynomial-based SI canceller.

The problem addressed in the paper is the significant self-interference generated within in-band full-duplex systems, which can lead …

📄 논문 본문 발췌 (Translation)

...(본문 내용이 길어 생략되었습니다. 사이트에서 전문을 확인해 주세요.)