AI-Based transceivers for massive MIMO wireless communications

在新的多媒体和社交网络应用以及机器对机器（M2M）等新型大规模连接的推动下，5G及更高级别无线网络对吞吐量和延迟改进的需求继续以越来越快的速度增长。为了满足这些不断增长的需求，最近已经考虑使用在毫米波和太赫兹频带中操作的大规模多输入多输出（M-MIMO）系统。然而，设计具有大规模天线阵列（LSAA）的多用户（MU）M-MIMO收发器以用于在复杂无线电条件和用户模式下的最佳操作提出了难以克服的问题，通过传统手段似乎难以解决。人工智能（AI）和机器学习（ML）有可能通过利用与智能收发器信号处理和操作相关的所有可能的辅助信息来克服这一挑战。这项与InterDigital Canada合作的为期3年的研究旨在研究和开发新的支持AI的收发器设计技术和算法，用于sub-6 GHz，mmWave和THz频段的MU-M-MIMO通信。尖端的机器学习方法，特别是深度学习（DL）架构，它采用多个隐藏的处理层来从大量数据中学习复杂的非线性关系，将成为我们工作的基石。近年来，InterDigital在5G无线新技术的开发方面发挥了主导作用，作为该计划的一部分，它将通过现金和实物捐助支持我们的研究活动。支持AI的MU-M-MIMO收发器在6 GHz以下，毫米波和太赫兹频段将弥合现有4G技术与未来5G及更高无线网络之间的性能差距。 拟议的研究对InterDigital和加拿大非常重要：它将使公司在支持AI的无线网络的关键领域拥有关键知识和专业知识，并帮助我国在先进信息和通信技术的开发，标准化和商业化方面保持战略地位。(cr)#（lf）Les demandes d'amélioration du débit dans les réseaux sans fil 5G et au-delà continuent de cropletre à un rythme soutenu，stimulées par de nouvelles applications multimédias，les réseaux sociaux，et de nouveaux types de connectivité tels que machine-to-machine（M2M）.为了响应这些需求，设想在毫米波和太赫兹波段中使用多通道和多架次（M-MIMO）系统。此外，拉康塞普雄d'émetteurs-réceptium M-MIMO多用途（MU）avec réseaux d'antennes à méchelle afin d'assurer un fonctionnement optimal sous des conditions radio et schémas d'utilisateur complex pose d'aprosses problèmes.人工智能（IA）和自动检测（ML）具有潜在的探测能力，可以探测到与智能接收器操作有关的所有可能的第二信息。La recherche proposée de 3 ans en collaboration avec InterDigital Canada vise à étudier et décertainter de nouvelles techniques et algorithmes de concept d'émetteurs-réceptides utilisant l'IA pour les communications MU-M-MIMO dans les bandes sous-6GHz，mmWave et THz.这些深层结构（DL）利用了多个处理缓存的沙发，以处理非线性复杂关系，其中包括一个非线性数量的数据库，并以我们的工作为基础。近年来，InterDigital在发展无5G的新技术方面发挥了首要作用;在这一倡议的框架内，我们的活动将为空间和自然做出贡献。MU-M-MIMO智能接收机在6 GHz以下、毫米波和太赫兹频段上实现了现有4G技术和未来无5G技术的性能组合。La recherche proposée revêt une pour

Demands for throughput and latency improvements in 5G-and-beyond wireless networks continue to grow at an increasing pace, boosted by new multi-media and social network applications, and new types of massive connectivity such as machine-to-machine (M2M). To meet these growing demands, the use of massive multiple-input multiple-output (M-MIMO) systems operating in the mmWave and THz bands has been recently considered. However, the design of multi-user (MU) M-MIMO transceivers with large-scale antenna arrays (LSAAs) for optimal operation under complex radio conditions and user patterns poses formidable problems, seemingly intractable by traditional means. Artificial intelligence (AI) and machine learning (ML) have the potential to overcome this challenge by exploiting all possible side information relevant to intelligent transceiver signal processing and operations. This proposed 3-year research in collaboration with InterDigital Canada is aimed at studying and developing new AI-enabled transceiver design techniques and algorithms for MU-M-MIMO communications in sub-6GHz, mmWave and THz bands. Cutting-edge ML approaches, especially deep learning (DL) architectures that employ multiple hidden processing layers to learn complex non-linear relationships from large amount of data, will be a corner stone of our work. In recent years, InterDigital has taken a leading role in the development of new technologies for 5G wireless and, as part of this initiative, it will support our research activities through cash and in-kind contributions. AI-enabled MU-M-MIMO transceivers in sub-6GHz, mmWave and THz bands will bridge the performance gap between existing 4G technology and future 5G-and-beyond wireless networks. The proposed research is of great importance to InterDigital and Canada: it will empower the company with critical knowledge and expertise in the key area of AI-enabled wireless networking, and help our country maintain a strategic position in the development, standardization and commercialization of advanced information and communications technologies.#(cr)#(lf)Les demandes d'amélioration du débit dans les réseaux sans fil 5G et au-delà continuent de croître à un rythme soutenu, stimulées par de nouvelles applications multimédias, les réseaux sociaux, et de nouveaux types de connectivité tels que machine-à-machine (M2M). Pour répondre à ces besoins, l'utilisation de systèmes massifs à entrées-multiples et sorties-multiples (M-MIMO) fonctionnant dans les bandes mmWave et THz a été récemment envisagée. Cependant, la conception d'émetteurs-récepteurs M-MIMO multi-utilisateurs (MU) avec réseaux d'antennes à grande échelle afin d'assurer un fonctionnement optimal sous des conditions radio et schémas d'utilisateur complexes pose d'immenses problèmes. L'intelligence artificielle (IA) et l'apprentissage automatique (ML) ont le potentiel de surmonter ce défi en exploitant toutes les informations secondaires possibles concernant les opérations d'un émetteur-récepteur intelligent. La recherche proposée de 3 ans en collaboration avec InterDigital Canada vise à étudier et développer de nouvelles techniques et algorithmes de conception d'émetteurs-récepteurs utilisant l'IA pour les communications MU-M-MIMO dans les bandes sous-6GHz, mmWave et THz. Les architectures d'apprentissage profond (DL) utilisant plusieurs couches de traitement cachées pour apprendre des relations non linéaires complexes à partir d'une grande quantité de données, seront à la base de nos travaux. Ces dernières années, InterDigital a joué un rôle de premier plan dans le développement de nouvelles technologies sans fil 5G; dans le cadre de cette initiative, elle soutiendra nos activités grâce à des contributions en espèces et en nature. Les émetteurs-récepteurs MU-M-MIMO intelligents dans les bandes sous-6GHz, mmWave et THz combleront l'écart de performance entre la technologie 4G existante et les futurs réseaux sans fil 5G et au-delà. La recherche proposée revêt une gran