Переосмысление беспроводной связи для сетей 6G: встреча обработки сигналов и глубокого обучения посредством глубокого развёртывания
Redefining Wireless Communication for 6G: Signal Processing Meets Deep Learning With Deep Unfolding
2021-08-27
SCID: 54.1/my5hjskz
Discuss with AI
беспроводная связь 6Gглубокое обучениеглубокое разворачиваниепериферийный интеллектобработка сигналов
Figures from the paper
Abstract (AI)
В 2019 году был введён стандарт 5G, который призван обеспечить значительное повышение скорости передачи данных по сравнению с 4G. Хотя 5G всё ещё находится на начальном этапе развития, научное сообщество всё активнее переключается на исследование технологий связи, выходящих за рамки 5G. Недавнее появление методов машинного обучения для совершенствования беспроводной связи и наделения её столь необходимыми интеллектуальными функциями обладает огромным потенциалом для переосмысления беспроводной связи в сетях 6G. Развивающиеся системы связи будут ограничены с точки зрения задержки, пропускной способности и надёжности базовой обработкой сигналов на физическом уровне. В этой программной статье обосновывается необходимость модернизации итеративных алгоритмов обработки сигналов с использованием методов глубокого развёртывания для выполнения требований физического уровня сетей 6G. С этой целью сначала рассматриваются требования к услугам и ключевые проблемы, обусловленные предполагаемой архитектурой связи 6G. Описываются недостатки традиционных алгоритмических принципов и требовательных к данным подходов глубокого обучения (DL) применительно к сетям 6G. В частности, обработка сигналов на основе глубокого развёртывания представлена через описание взаимосвязи между предметными знаниями и DL. Рассмотренные в этой статье подходы глубокого развёртывания явно соотносятся с требованиями, предъявляемыми к сетям сотовой связи следующего поколения. Наконец, в статье обозначаются открытые исследовательские задачи, решение которых необходимо для реализации действительно аппаратно-эффективного периферийного интеллекта в будущих сетях 6G. Практическая значимость — в статье обсуждается, почему интеграция предметных знаний в фреймворки машинного обучения является ключом к созданию будущих встроенных интеллектуальных систем связи. Независимое применение традиционной обработки сигналов и подходов глубокого обучения сопряжено со значительными ограничениями вычислительных ресурсов и памяти. Это становится особенно сложным в контексте будущих сетей связи, таких как 6G, предъявляющих высокие требования к передаче данных, где плотные деп...
Key Findings
1
Глубокое разворачивание рассматривается как перспективный подход к переработке итеративных алгоритмов обработки сигналов физического уровня для удовлетворения требований 6G к задержке, пропускной способности и надежности.
2
Рассмотренные методы глубокого разворачивания напрямую сопоставляются с требованиями к услугам и архитектурными вызовами сетей следующего поколения.
3
Интеграция предметных знаний в структуры машинного обучения представлена как необходимое условие аппаратно-эффективного встраиваемого интеллекта на периферии сети 6G.
4
Выделяются открытые исследовательские задачи для практической реализации методов глубокого разворачивания с учетом вычислительных и memory-ограничений будущих систем связи.
5
Утверждается, что объединение предметных знаний в области обработки сигналов с глубоким обучением позволяет преодолеть ограничения традиционных алгоритмов и самостоятельных методов глубокого обучения, требующих больших объемов данных.
Research Object
беспроводные коммуникационные сети 6G и их системы обработки сигналов на физическом уровне
Research Subject
применение глубокой развёртки для переработки итеративной обработки сигналов на физическом уровне с целью повышения эффективности по задержке, пропускной способности и надёжности, а также обеспечения аппаратно-эффективного периферийного интеллекта
Publication Details
Publication Date
2021-08-27
Journal
Publisher
ISSN
Cited by
187
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai1
Работы, цитирующие эту статью3
Искусственный интеллект для технологий и сетей связи 6G нового поколения2026
Физический уровень 6G: результаты исследовательской инициативы 6G-ANNA2026
Всесторонний систематический обзор литературы по применению искусственного интеллекта для коррекции ошибок и схем модуляции в спутниковых системах связи следующего поколения2025