[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

DeltaDPD: Exploiting Dynamic Temporal Sparsity in Recurrent Neural Networks for Energy-Efficient Wideband Digital Predistortion

Created by
  • Haebom

저자

Yizhuo Wu, Yi Zhu, Kun Qian, Qinyu Chen, Anding Zhu, John Gajadharsing, Leo C. N. de Vreede, Chang Gao

개요

본 논문은 광대역 RF 전력 증폭기(PA)의 신호 품질 향상을 위한 인기 기법인 디지털 프리디스토션(DPD)의 에너지 소비 문제를 해결하기 위해, 순환 신경망(RNN)의 동적 시간적 희소성을 활용한 DeltaDPD를 제안합니다. DeltaDPD는 RNN에서 입력 신호와 뉴런의 은닉 상태의 시간적 희소성을 활용하여 연산 및 메모리 접근을 줄이고, 선형화 성능을 유지하면서 에너지 효율을 높입니다. 3.5 GHz GaN Doherty RF PA에 200MHz 대역폭의 256-QAM OFDM 신호를 적용한 실험 결과, DeltaDPD는 52%의 시간적 희소성으로 ACPR -50.03 dBc, NMSE -37.22 dB, EVM -38.52 dBc를 달성하며, 추정 추론 전력을 1.8배 감소시켰습니다. 소스 코드는 https://www.opendpd.com 에서 정식 출판 후 공개될 예정입니다.

시사점, 한계점

•
시사점:
◦
RNN 기반 DPD의 에너지 효율 문제 해결에 대한 새로운 접근 방식 제시.
◦
시간적 희소성을 활용하여 연산량과 메모리 접근을 효과적으로 감소시키는 방법 제시.
◦
실제 RF PA를 이용한 실험을 통해 DeltaDPD의 성능 및 에너지 효율 개선을 검증.
◦
오픈소스를 통한 접근성 향상.
•
한계점:
◦
제시된 방법의 일반성 및 다양한 RF PA 및 신호 조건에 대한 적용성 검증 필요.
◦
52%의 시간적 희소성 달성을 위한 구체적인 알고리즘 및 파라미터 설정에 대한 자세한 설명 부족.
◦
소스 코드 공개 시점이 정식 출판 이후로 지연됨.
👍
Made with Slashpage