.png){kind=icon}
返回
Adaptive Nonlinear Digital Self-Interference Cancellation for Full-Duplex Wireless Systems Using Hypernetwork-Based Incremental Learning
.png){kind=icon}
PRE
AI
DOI：10.1109/TMLCN.2025.3639365.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在时变信道条件下实现全双工无线通信系统中的有效自干扰消除（SIC）仍然是一个重大挑战。为解决此挑战，我们提出了一种基于超神经网络（HyperNet）和增量学习（IL）的新型自适应SIC解决方案。与依赖离线训练或缺乏实时适应性的现有方法不同，我们的方法能够自主学习和快速适应自干扰（SI）信道的复杂性、非线性及时变性。它通过使用经验回放（ER）有效解决了动态适应挑战，如灾难性遗忘。实验结果表明，在动态信道条件下，传统基于模型的方法表现出有限的适应性，而常规的数据驱动模型若缺乏IL提供的自适应能力则无法保持一致性能。相比之下，所提出的基于HyperNet的IL模型将训练时间减少了33%，且收敛速度比为每个静态条件单独训练的独立HyperNet快三倍。使用模拟真实场景的数据集进行的大量评估表明，我们的方法能够持续将SI抑制至噪声水平，同时显著降低计算复杂度和训练时间。这些改进共同提升了动态无线环境下全双工通信系统的效率与可靠性。
Keyword:
Interference cancellation
Adaptation models
Computational modeling
Artificial neural networks
Wireless communication
Mathematical models
Vehicle dynamics
Incremental learning
Full-duplex system
Training
Full-duplex
hyper neural network
incremental learning
self-interference cancellation
time-varying channel
期刊
I
机构
引用论文
Full-Duplex Wireless Communications: Challenges, Solutions, and Future Research Directions全双工无线通信: 挑战、解决方案和未来研究方向.png)
PROCEEDINGS OF THE IEEE
OAAI
PROCEEDINGS OF THE IEEEIF25.9
OAAI分享收藏
查看更多内容