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及以上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，最近已经考虑在毫米波和太赫兹频段使用大规模多输入多输出（M-MIMO）系统。然而，为了在复杂的无线电条件和用户模式下实现最佳运行，大规模天线阵列（LSAAs）多用户M-MIMO收发器的设计面临着传统方法难以解决的难题。人工智能（AI）和机器学习（ML）有潜力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侧信息来克服这一挑战。这项与加拿大InterDigital公司合作的为期3年的研究旨在研究和开发新的人工智能收发器设计技术和算法，用于6ghz以下、毫米波和太赫兹频段的MU-M-MIMO通信。尖端的机器学习方法，特别是采用多个隐藏处理层从大量数据中学习复杂非线性关系的深度学习（DL）架构，将成为我们工作的基石。近年来，InterDigital在5G无线新技术的开发中发挥了主导作用，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。在sub-6GHz、毫米波和太赫兹频段，支持ai的MU-M-MIMO收发器将弥合现有4G技术与未来5g及以上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：它将赋予公司在人工智能无线网络关键领域的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)#(f)Les demandes d' amsamliliation du danci..danci.danci.danci.danci.danci.danci.danci.danci.danci.danci.danci.danci.danci.danci.danci.danci.danci.danci.danci.danci.danci.danci.t) 5G et au- delcontinent de crotre.com 5G et au- delcontinent de crotre.com 5G et au- delcontinent de crotre.com与rythme soutenu、前程前程（前程）、前程前程（前程）、前程前程（前程）、前程前程（前程）、前程前程（前程）。在交换交换过程中，利用系统<e:1>的大量交换交换交换交换（M-MIMO）功能，使用毫米波和太赫兹频段交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换。在此之前，多用途器（MU）的概念，即在保证功能的最优条件下，将电子通信和多用途器组合在一起构成了巨大的问题。人工智能（IA）和自动智能（ML）都有可能监视到这些数据，这些数据可能与其他数据有关，例如人工智能（IA）和人工智能（ML）。La recherche与InterDigital Canada合作，提出了一种新的技术和算法，即采用新的技术和算法，设计了一种新的技术和算法，用于通信MU-M-MIMO，频率为6ghz，毫米波和太赫兹。Les architectures d' apprentice proond (DL) utilisant plusiurs couches de traitement cachemasses pour apprenre des relations non linsamacaires complexes （partir d'une grande quantiles de donsamaces, seront la base de nos travaux）。除了5G之外，InterDigital还提供了其他新技术的发展计划。根据“发展中国家倡议”，“发展中国家倡议”的“发展中国家倡议”的“发展中国家倡议”的“发展中国家倡议”的“发展中国家倡议”的“发展中国家倡议”。Les emetteurs-recepteurs MU-M-MIMO智能在莱斯·邦德:sous-6GHz, mmWave et太赫兹combleront标准差de la technologie 4 g existante之间的性能将来时reseaux sans费尔5 g au-dela。La recherche提出了<s:2> une gran

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