Digital fördistorsion baserad på neurala nätverk för 6G-nätverk
| Diarienummer | |
| Koordinator | Ericsson AB |
| Bidrag från Vinnova | 100 000 kronor |
| Projektets löptid | januari 2026 - juli 2026 |
| Status | Avslutat |
| Utlysning | 6G - Kompetensförsörjning |
| Ansökningsomgång | 6G - Handledning av examensarbete |
Viktiga resultat som projektet gav
[translated from English] I det här arbetet gjordes tre huvudsakliga bidrag: 1) Användning av Closed Form Continuous Time Neural Networks (CfC) inom digital predistorsion för att förbättra prestandan, 2) tillämpning av olika grindningsstrategier (gating strategies) för att förbättra valet av grenar, 3) bidragsmedveten beskärning (contribution-aware pruning) för att minska beräkningskostnaden med minimal påverkan på prestandan.
Långsiktiga effekter som förväntas
Den nuvarande implementeringen är beräkningsmässigt dyrare jämfört med vanliga neurala nätverk. Vi visar dock att den ger överlägsen prestanda (+2dB) jämfört med NN-baslinjen (baseline) och att det är möjligt att bibehålla den prestandan samtidigt som beräkningskostnaden minskas. Detta är ett uppmuntrande resultat som talar för att vidare studera ytterligare tekniker för att minska beräkningskostnaden.
Upplägg och genomförande
Projektet följde en grundläggande struktur där vi började med att granska befintliga tekniker och sedan testa med hjälp av lokal data/labbutrustning. Inledningsvis förväntade vi oss att se fördelar direkt "ur lådan" genom att tillämpa befintliga tekniker, vilket visade sig vara ett felaktigt antagande. Detta uppmuntrade oss att gräva djupare under experimenten och identifiera fler möjligheter. Sammantaget genomfördes projektet i tid.