Гибридная формовка луча и предкодирование, улучшенное глубинным обучением, для mmWave massive MIMO в O-RAN

В работе исследуются сотовые миллиметровые (mmWave) системы массового множественного ввода-вывода (massive MIMO) в архитектуре открытой радиодоступной сети (O-RAN), интегрирующей совместимый спектр, радиоинтерфейс и сетевые сущности сетей за пределами пятого поколения. Для преодоления ограничений нагрузки фронтхола O-RAN (O-FH) и короткой длины волны, присущей mmWave диапазонам, разработана гибридная архитектура формирования луча с цифровыми и аналоговыми формователями, генерируемыми соответственно в распределённой единице O-RAN и радиоблоке O-RAN. Используя теорию информации, разработаны аналоговые формователи вне сетки лучей (non-grid-of-beams) для максимизации суммарной спектральной эффективности (SE) при ограничениях постоянной модуляции. Для цифрового прекодирования применён метод последовательных выпуклых аппроксимаций с процедурами решения задач второго порядка конической оптимизации для максимизации сум-SE с учётом ограничений по передаваемой мощности и ограниченной нагрузке O-FH, а также с обеспечением требований к качеству обслуживания пользователей. Также спроектированы субоптимальные цифровые комбайнеры на основе внутренних характеристик пользовательской стороны. Однако текущий подход оптимизации характеризуется длительным временем выполнения, что создаёт проблемы для почти-реального времени конфигураций формирования луча. Для решения этой проблемы предложена эффективная схема цифрового прекодирования на основе глубинного обучения с коротким временем выполнения, низкой вычислительной сложностью и высокой производительностью. Численные результаты показывают, что предложенная схема прекодирования на основе DL обеспечивает превосходную производительность по сравнению с контрольными схемами, хорошо обобщается на среды с несовершенной информацией о состоянии канала (CSI) и мобильностью пользователей и эффективно масштабируется для конфигураций massive MIMO.