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.

Refined Bayesian Optimization for Efficient Beam Alignment in Intelligent Indoor Wireless Environments

Created by
  • Haebom
Category
Empty

저자

Parth Ashokbhai Shiroya, Amod Ashtekar, Swarnagowri Shashidhar, Mohammed E. Eltayeb

개요

본 논문은 이동성과 간섭 환경에서도 고속, 안정적인 빔 정렬을 가능하게 하는 Refined Bayesian Optimization (R-BO) 프레임워크를 제안한다. R-BO는 mmWave 송수신기 패턴의 구조를 활용하여 수신 전력이 최적 빔 방향으로 수렴하면서 점진적으로 증가하는 특성을 이용한다. Matern 커널을 사용하는 Gaussian Process (GP)와 Expected Improvement (EI) 획득 함수를 통합하고, 예측된 최적값 주변에서 국소적인 정제를 수행한다. 반사 및 사이드로브 누출로 인한 불규칙한 각도별 전력 변화에 적응하기 위해 GP 하이퍼파라미터를 온라인으로 최적화한다. 실내 실험 결과, R-BO는 10도 이내의 빔 정렬 정확도 97.7%, 평균 0.3dB 미만의 손실, 그리고 전수 검색 대비 88%의 프로빙 오버헤드 감소를 보였다.

시사점, 한계점

•
시사점:
◦
이동성과 간섭 환경에서 고속, 안정적인 mmWave 빔 정렬을 위한 효율적인 솔루션 제시.
◦
실내 환경의 특성을 고려한 빔 정렬 알고리즘 설계.
◦
GP와 EI를 활용한 Bayesian Optimization 기반의 프레임워크 구현.
◦
온라인 하이퍼파라미터 최적화를 통한 환경 변화 적응.
◦
전수 검색 대비 상당한 프로빙 오버헤드 감소 및 높은 빔 정렬 정확도 달성.
•
한계점:
◦
특정 실내 환경 (실험실)에서의 실험 결과만을 제시. 다른 환경에서의 성능 검증 필요.
◦
GP 모델 및 하이퍼파라미터 최적화에 대한 추가적인 계산 비용 발생 가능성.
◦
구현 복잡성: GP 모델, EI 획득 함수, 국소적 정제 등 다양한 요소의 통합.
◦
mmWave 시스템의 하드웨어 특성 및 제약 고려 부족.
👍
Made with Slashpage