Otimização Fim-a-Fim de Sistemas MIMO Multiusuário Usando Autoencoders com Estimação de Canal Bidirecional
Aprendizado de Máquina, Multiple-Input Multiple-Output (MIMO), Detecção de Sinais, Estimação de Canal.
Os ganhos de eficiência espectral introduzidos pelos sistemas MIMO multiusuário os tornam esquemas relevantes para a atual e para as próximas gerações de redes de comunicação móvel. Devido à complexidade intrínseca aos modelos matemáticos desses sistemas em condições realistas e à interdependência entre as etapas de processamento dos transmissores e receptores, o aprendizado de máquina é uma opção que permite projetar o sistema completo por meio do treinamento de um autoencoder ruidoso. Esse trabalho apresenta uma proposta de arquitetura de rede neural para otimização fim-a-fim de um sistema MIMO multiusuário. O desempenho do sistema, medido em termos de taxa de erro de símbolo, foi comparado a uma referência M-PSK com equalização zero-forçado e estimação por mínimos quadrados. As simulações foram feitas considerando um modelo de canal com desvanecimento Rayleigh, assim como usando o modelo 3GPP TR 38.901. Um estimador de canal bidirecional, baseado na interpolação de pilotos esparsos, foi proposto, reduzindo a sinalização de controle para menos de 3% em troca de um pequeno atraso fixo de 10 ms. Os resultados revelam que é possível obter ganhos significativos ao aplicar o modelo proposto, mas que estes variam conforme os erros de estimação nos instantes de transmissão de pilotos.