IntLearner：AI增强的无线网络干扰抑制
摘要：第六代（6G）的未来设想了无线设备在网络中的大规模接入，这导致了在相同频带中无线设备之间的并行传输造成更严重的干扰。现有的干扰抑制方法将干扰信号视为高斯白噪声，无法准确估计来自其他设备的非高斯干扰信号。本文介绍了一种新的干扰抑制技术IntLearner，该技术仅利用基站（BS）和用户设备（UE）中可用的物理层（PHY）信息（包括信道估计和星座图）来估计和减轻干扰信号的影响。具体而言，IntLearner利用人工智能的能力来估计干扰信号中的特征，并使用神经网络（NN）从干扰接收信号中去除干扰。IntLearner的NN采用模块化的NN设计，根据BS和UE PHY的领域知识来指导NN设计，以最小化训练混淆和NN复杂性。模拟结果表明，IntLearner将上行（UL）信道估计精度提高了7.4倍，并将下行（DL）信号干扰比加噪比（SINR）要求降低了1.5dB，以实现相同的块错误率（BLER），在传统的多小区场景中。
作者：Ruirong Chen, Gaoning He
论文ID：2308.02167
分类：Networking and Internet Architecture
分类简称：cs.NI
提交时间：2023-08-07