MIMOシステムにおけるパッシブ相互変調歪キャンセルのためのニューラルネットワークベースフレームワーク
なぜ重要か: 企業や社会への影響が見込まれ、一般メディアにも波及する可能性があります。
arXiv:2509.19382v1発表タイプ：クロス
概要：パッシブ相互変調（PIM）は、特に5Gおよびそれ以降の厳しい要件下において、最新のMIMO-OFDMシステムにおける重要な自己干渉源として台頭しています。従来のキャンセル方法は、スケーラビリティが限定的で計算コストの高い複雑な非線形モデルに依存することが多いです。本研究では、深度方向分離畳み込みと拡張畳み込みを利用してアンテナとサブキャリア間の非線形依存関係を効率的に捉える、軽量な深層学習フレームワークによるPIMキャンセル手法を提案します。さらに収束性を向上させるために、周期学習率スケジュールと勾配クリッピングを採用しています。制御されたMIMO実験設定において、この手法は3次パッシブ相互変調（PIM）歪みを効果的に抑制し、わずか11kの学習可能パラメータで最大29dBの平均電力誤差（APE）を達成しました。これらの結果は、将来の無線通信システムにおけるスケーラブルな干渉軽減のためのコンパクトなニューラルアーキテクチャの可能性を示しています。
原文（英語）を表示
Title (EN): Neural Network Based Framework for Passive Intermodulation Cancellation in MIMO Systems
arXiv:2509.19382v1 Announce Type: cross
Abstract: Passive intermodulation (PIM) has emerged as a critical source of self-interference in modern MIMO-OFDM systems, especially under the stringent requirements of 5G and beyond. Conventional cancellation methods often rely on complex nonlinear models with limited scalability and high computational cost. In this work, we propose a lightweight deep learning framework for PIM cancellation that leverages depthwise separable convolutions and dilated convolutions to efficiently capture nonlinear dependencies across antennas and subcarriers. To further enhance convergence, we adopt a cyclic learning rate schedule and gradient clipping. In a controlled MIMO experimental setup, the method effectively suppresses third-order passive intermodulation (PIM) distortion, achieving up to 29dB of average power error (APE) with only 11k trainable parameters. These results highlight the potential of compact neural architectures for scalable interference mitigation in future wireless communication systems.
Published: 2025-09-24 19:00 UTC