End-to-End Learning of Beam Probing and RSSI-Based Multi-User Hybrid Precoding Design

This paper presents an end-to-end (E2E) autoencoder learning framework that relies on unsupervised deep learning for the joint design of millimeter wave (mmWave) probing beams and hybrid precoding matrices in multi-user communication systems. Our model utilizes prior channel observations to achieve...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	IEEE Global Communications Conference (Online) S. 1948 - 1953
Hauptverfasser:	Abdallah, Asmaa, Celik, Abdulkadir, Alkhateeb, Ahmed, Eltawil, Ahmed M.
Format:	Tagungsbericht
Sprache:	Englisch
Veröffentlicht:	IEEE 08.12.2024
Schlagworte:	Array signal processing Autoencoders beamforming codebook end-to-end (E2E) Interference millimeter wave (mmWave) Millimeter wave communication Millimeter wave technology multi-user hybrid beamforming Neural networks Precoding Predictive models Radio frequency unsupervised learning Vectors
ISSN:	2576-6813
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!