論文の概要: ANN-Based Detection in MIMO-OFDM Systems with Low-Resolution ADCs
- arxiv url: http://arxiv.org/abs/2001.11643v1
- Date: Fri, 31 Jan 2020 03:38:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-05 07:04:25.303049
- Title: ANN-Based Detection in MIMO-OFDM Systems with Low-Resolution ADCs
- Title（参考訳）: 低分解能ADCを用いたMIMO-OFDMシステムにおけるANN検出
- Authors: Shabnam Rezaei and Sofiene Affes
- Abstract要約: 本稿では,信号検出に使用するLevenberg-Marquardtアルゴリズムを用いて,多層ニューラルネットワーク(ANN)を提案する。
本研究では,受信機におけるチャネル状態情報を知ることなく,データシンボル推定を行うブラインド検出方式を検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose a multi-layer artificial neural network (ANN) that
is trained with the Levenberg-Marquardt algorithm for use in signal detection
over multiple-input multiple-output orthogonal frequency-division multiplexing
(MIMO-OFDM) systems, particularly those with low-resolution analog-to-digital
converters (LR-ADCs). We consider a blind detection scheme where data symbol
estimation is carried out without knowing the channel state information at the
receiver (CSIR)---in contrast to classical algorithms. The main power of the
proposed ANN-based detector (ANND) lies in its versatile use with any
modulation scheme, blindly, yet without a change in its structure. We compare
by simulations this new receiver with conventional ones, namely, the maximum
likelihood (ML), minimum mean square error (MMSE), and zero-forcing (ZF), in
terms of symbol error rate (SER) performance. Results suggest that ANND
approaches ML at much lower complexity, outperforms ZF over the entire range of
assessed signal-to-noise ratio (SNR) values, and so does it also, though, with
the MMSE over different SNR ranges.
- Abstract（参考訳）: 本稿では,多入力多重出力直交周波数分割多重化(MIMO-OFDM)システム上での信号検出,特に低分解能アナログ-デジタル変換器(LR-ADC)を用いた多層ニューラルネットワーク(ANN)を提案する。
本研究では,従来のアルゴリズムとは対照的に,受信機(CSIR)のチャネル状態情報を知ることなく,データシンボル推定を行うブラインド検出方式を検討する。
ann-based detector (annd) の主なパワーは、どんな変調スキームでも使い勝手が良くないが、その構造は変更されていないことである。
我々は,この新しい受信機を,シンボル誤り率(SER)の指標として,ML,最小平均二乗誤差(MMSE),ゼロ強制(ZF)といった従来の受信機と比較した。
その結果、ANNDはMLに非常に低い複雑さでアプローチし、評価された信号-雑音比(SNR)の値全体に対してZFより優れており、MMSEが異なるSNR範囲にまたがっていることも示唆された。
関連論文リスト
- Deep Learning Assisted Multiuser MIMO Load Modulated Systems for
Enhanced Downlink mmWave Communications [68.96633803796003]
本稿では, マルチユーザ負荷変調アレイ (MU-LMA) に着目し, マイクロウェーブ (mmWave) マルチインプット・マルチアウトプット (MIMO) システムにおいて, マルチユーザ負荷変調アレイ (MU-LMA) の小型化とコスト削減を図っている。
ダウンリンクMU-LMAの既存のプリコーディングアルゴリズムは、自由度と複雑なシステム構成の低下に悩まされるサブアレイ構造化(SAS)送信機に依存している。
本稿では,FAS (Full-array Structured) 送信機を用いたMU-LMAシステムを提案し,それに応じて2つのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-11-08T08:54:56Z) - An ML-assisted OTFS vs. OFDM adaptable modem [1.8492669447784602]
OTFSおよびOFDM波形は、レガシーアーキテクチャの再利用、レシーバ設計の単純さ、低複雑さ検出の利点を享受する。
本稿では,送信機におけるOTFSまたはOFDM信号処理チェーンと受信機とを切り替えて,平均二乗誤差(MSE)性能を最適化するディープニューラルネットワーク(DNN)に基づく適応方式を提案する。
論文 参考訳（メタデータ） (2023-09-04T02:33:44Z) - Machine Learning-based Methods for Joint {Detection-Channel Estimation}
in OFDM Systems [0.0]
OFDMシステムにおける共同検出チャネル推定のための機械学習(ML)に基づく2つの構造を提案し,広範囲に評価した。
ビットエラーレート(BER)性能と計算複雑性のトレードオフを解析する。
論文 参考訳（メタデータ） (2023-04-08T19:30:23Z) - A Comparative Study of Deep Learning and Iterative Algorithms for Joint Channel Estimation and Signal Detection in OFDM Systems [11.190815358585137]
周波数分割多重化システムでは,共同チャネル推定と信号検出が重要である。
従来のアルゴリズムは低信号対雑音比(SNR)のシナリオでは不十分である。
深層学習 (DL) 手法は検討されているが, 計算コストや低SNR設定による検証の欠如が懸念されている。
論文 参考訳（メタデータ） (2023-03-07T06:34:04Z) - Signal Detection in MIMO Systems with Hardware Imperfections: Message
Passing on Neural Networks [101.59367762974371]
本稿では,Multi-Input-multiple-output (MIMO)通信システムにおける信号検出について検討する。
パイロット信号が限られているディープニューラルネットワーク(DNN)のトレーニングは困難であり、実用化を妨げている。
我々は、ユニタリ近似メッセージパッシング(UAMP)アルゴリズムを利用して、効率的なメッセージパッシングに基づくベイズ信号検出器を設計する。
論文 参考訳（メタデータ） (2022-10-08T04:32:58Z) - Neural Network-based OFDM Receiver for Resource Constrained IoT Devices [44.8697473676516]
モノのインターネット(IoT)のための新しいモジュール型機械学習(ML)ベースのレシーバチェーンの設計について検討する。
MLブロックはOFDM受信機の個々の処理ブロックを置換し,従来のチャネル推定,シンボルデマッピング,デコードブロックをニューラルネットワーク(NN)で置き換える。
提案手法は,従来の非MLレシーバのビット誤り率を,シミュレーションとオーバー・ザ・エアで平均61%,10%向上させるものである。
論文 参考訳（メタデータ） (2022-05-12T15:32:35Z) - Model-based Deep Learning Receiver Design for Rate-Splitting Multiple
Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。
MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。
その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文 参考訳（メタデータ） (2022-05-02T12:23:55Z) - Deep Networks for Direction-of-Arrival Estimation in Low SNR [89.45026632977456]
我々は,真の配列多様体行列の変異チャネルデータから学習した畳み込みニューラルネットワーク(CNN)を導入する。
我々は低SNR体制でCNNを訓練し、すべてのSNRでDoAを予測する。
私たちの堅牢なソリューションは、ワイヤレスアレイセンサーから音響マイクロフォンやソナーまで、いくつかの分野に適用できます。
論文 参考訳（メタデータ） (2020-11-17T12:52:18Z) - Deep Denoising Neural Network Assisted Compressive Channel Estimation
for mmWave Intelligent Reflecting Surfaces [99.34306447202546]
本稿では,mmWave IRSシステムに対するディープデノイングニューラルネットワークを用いた圧縮チャネル推定法を提案する。
我々はまず、受信チェーンをほとんど使わず、アップリンクのユーザ-IRSチャネルを推定するハイブリッド・パッシブ/アクティブIRSアーキテクチャを導入する。
完全チャネル行列は、圧縮センシングに基づいて限られた測定値から再構成することができる。
論文 参考訳（メタデータ） (2020-06-03T12:18:57Z) - Time-Frequency Analysis based Blind Modulation Classification for
Multiple-Antenna Systems [6.011027400738812]
ブラインド変調分類は、認知無線ネットワークを実装するための重要なステップである。
マルチインプット・マルチアウトプット(MIMO)技術は、軍事や民間の通信システムで広く使われている。
これらのシナリオでは、従来の可能性ベースのアプローチや特徴ベースのアプローチは適用できない。
論文 参考訳（メタデータ） (2020-04-01T12:27:29Z) - Data-Driven Symbol Detection via Model-Based Machine Learning [117.58188185409904]
機械学習(ML)とモデルベースアルゴリズムを組み合わせた,検出設計のシンボル化を目的とした,データ駆動型フレームワークについてレビューする。
このハイブリッドアプローチでは、よく知られたチャネルモデルに基づくアルゴリズムをMLベースのアルゴリズムで拡張し、チャネルモデル依存性を除去する。
提案手法は, 正確なチャネル入出力統計関係を知らなくても, モデルベースアルゴリズムのほぼ最適性能が得られることを示す。
論文 参考訳（メタデータ） (2020-02-14T06:58:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。