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...

Celý popis

Podrobná bibliografie

Vydáno v:	IEEE Global Communications Conference (Online) s. 1948 - 1953
Hlavní autoři:	Abdallah, Asmaa, Celik, Abdulkadir, Alkhateeb, Ahmed, Eltawil, Ahmed M.
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 08.12.2024
Témata:	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
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!