論文の概要: A Hybrid Model-based and Data-driven Approach to Spectrum Sharing in
mmWave Cellular Networks
- arxiv url: http://arxiv.org/abs/2003.08611v1
- Date: Thu, 19 Mar 2020 07:34:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-22 05:06:11.719900
- Title: A Hybrid Model-based and Data-driven Approach to Spectrum Sharing in
mmWave Cellular Networks
- Title(参考訳): mmWaveセルラーネットワークにおけるスペクトル共有のためのハイブリッドモデルとデータ駆動アプローチ
- Authors: Hossein S. Ghadikolaei, Hadi Ghauch, Gabor Fodor, Mikael Skoglund, and
Carlo Fischione
- Abstract要約: ミリ波帯における演算子間スペクトル共有は、スペクトル利用を著しく増加させる可能性がある。
従来のモデルに基づくスペクトル共有スキームは、演算子間調整機構について理想主義的な仮定を行う。
本稿では,ハイブリッドモデルとデータ駆動型マルチ演算スペクトル共有機構を提案する。
- 参考スコア(独自算出の注目度): 37.00906872828011
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Inter-operator spectrum sharing in millimeter-wave bands has the potential of
substantially increasing the spectrum utilization and providing a larger
bandwidth to individual user equipment at the expense of increasing
inter-operator interference. Unfortunately, traditional model-based spectrum
sharing schemes make idealistic assumptions about inter-operator coordination
mechanisms in terms of latency and protocol overhead, while being sensitive to
missing channel state information. In this paper, we propose hybrid model-based
and data-driven multi-operator spectrum sharing mechanisms, which incorporate
model-based beamforming and user association complemented by data-driven model
refinements. Our solution has the same computational complexity as a
model-based approach but has the major advantage of having substantially less
signaling overhead. We discuss how limited channel state information and
quantized codebook-based beamforming affect the learning and the spectrum
sharing performance. We show that the proposed hybrid sharing scheme
significantly improves spectrum utilization under realistic assumptions on
inter-operator coordination and channel state information acquisition.
- Abstract(参考訳): ミリ波帯におけるオペレータ間スペクトル共有は、オペレータ間干渉の増加を犠牲にして、スペクトル利用を大幅に増加させ、個々のユーザ機器により大きな帯域を提供する可能性を秘めている。
残念なことに、従来のモデルベースのスペクトル共有スキームは、待ち時間とプロトコルのオーバーヘッドという観点で、オペレータ間協調機構について理想主義的な仮定をする一方で、チャネル状態情報に敏感である。
本稿では,モデルベースビームフォーミングとユーザアソシエーションがデータ駆動モデルの改良によって補完されるハイブリッドモデルベースおよびデータ駆動マルチオペレータスペクトル共有機構を提案する。
私たちのソリューションは、モデルベースのアプローチと同じ計算複雑性を持つが、信号のオーバーヘッドを大幅に減らすという大きな利点がある。
チャネル状態情報と量子化されたコードブックベースのビームフォーミングが学習とスペクトル共有性能に与える影響について論じる。
提案手法は,操作間協調とチャネル状態情報取得における現実的な仮定の下でのスペクトル利用を著しく改善することを示す。
関連論文リスト
- Enhancing Automatic Modulation Recognition through Robust Global Feature
Extraction [12.868218616042292]
変調信号は長時間の時間依存性を示す。
人間の専門家は星座図のパターンを分析し、変調スキームを分類する。
古典的な畳み込みベースのネットワークは、局所的な特徴を抽出することに長けているが、グローバルな関係を捉えるのに苦労している。
論文 参考訳(メタデータ) (2024-01-02T06:31:24Z) - Over-the-Air Federated Learning and Optimization [52.5188988624998]
エッジ・ザ・エア計算(AirComp)によるフェデレーション学習(FL)に焦点を当てる。
本稿では,AirComp ベースの FedAvg (AirFedAvg) アルゴリズムの凸および非凸条件下での収束について述べる。
エッジデバイス(モデル、勾配、モデル差など)で送信できるローカルアップデートの種類によって、AirFedAvgで送信するとアグリゲーションエラーが発生する可能性がある。
さらに、より実用的な信号処理方式を検討し、通信効率を改善し、これらの信号処理方式によって引き起こされるモデル集約誤差の異なる形式に収束解析を拡張する。
論文 参考訳(メタデータ) (2023-10-16T05:49:28Z) - Vertical Federated Learning over Cloud-RAN: Convergence Analysis and
System Optimization [82.12796238714589]
高速かつ正確なモデルアグリゲーションを実現するために,クラウド無線アクセスネットワーク(Cloud-RAN)ベースの垂直FLシステムを提案する。
アップリンクとダウンリンクの両方の伝送を考慮した垂直FLアルゴリズムの収束挙動を特徴付ける。
我々は,連続凸近似と代替凸探索に基づくシステム最適化アルゴリズムを開発した,連系トランシーバとフロントホール量子化設計によるシステム最適化フレームワークを構築した。
論文 参考訳(メタデータ) (2023-05-04T09:26:03Z) - Scalable Hierarchical Over-the-Air Federated Learning [3.8798345704175534]
この研究は、干渉とデバイスデータの不均一性の両方を扱うために設計された新しい2段階学習手法を導入する。
本稿では,提案アルゴリズムの収束を導出するための包括的数学的アプローチを提案する。
干渉とデータの不均一性にもかかわらず、提案アルゴリズムは様々なパラメータに対して高い学習精度を実現する。
論文 参考訳(メタデータ) (2022-11-29T12:46:37Z) - 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) - Multi-task Learning Approach for Modulation and Wireless Signal
Classification for 5G and Beyond: Edge Deployment via Model Compression [1.218340575383456]
将来的な通信網は、異種無線デバイスの成長に対応するために、少ないスペクトルに対処する必要がある。
我々は、深層ニューラルネットワークに基づくマルチタスク学習フレームワークの可能性を利用して、変調と信号分類タスクを同時に学習する。
公共利用のための包括的ヘテロジニアス無線信号データセットを提供する。
論文 参考訳(メタデータ) (2022-02-26T14:51:02Z) - Cooperative Multi-Agent Reinforcement Learning Based Distributed Dynamic
Spectrum Access in Cognitive Radio Networks [46.723006378363785]
ダイナミックスペクトルアクセス(DSA)は、非効率的なスペクトル利用の問題を改善するための、有望なパラダイムである。
本稿では,一般的な認知無線ネットワークにおけるマルチユーザに対する分散DSA問題について検討する。
我々は、各認知ユーザに対する状態の部分的観測可能性に対処するために、DRQN(Deep Recurrent Q-network)を用いている。
論文 参考訳(メタデータ) (2021-06-17T06:52:21Z) - Machine Learning Framework for Sensing and Modeling Interference in IoT
Frequency Bands [2.6839965970551276]
モノのインターネットをサポートする新しいアクセス技術によって、スペクトルの占有度をよりよく理解する必要性が高まっている。
共有帯域におけるIoTアプリケーションのための短時間スペクトル占有のトラフィック挙動をキャプチャし、モデル化し、既存の干渉を判定するフレームワークを提案する。
論文 参考訳(メタデータ) (2021-06-10T19:10:40Z) - Model-Driven Deep Learning Based Channel Estimation and Feedback for
Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。
無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。
MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-04-22T13:34:53Z) - Distributional Reinforcement Learning for mmWave Communications with
Intelligent Reflectors on a UAV [119.97450366894718]
無人航空機(UAV)搭載のインテリジェントリフレクタ(IR)を用いた新しい通信フレームワークを提案する。
ダウンリンク和率を最大化するために、最適プリコーディング行列(基地局)と反射係数(IR)を共同で導出する。
論文 参考訳(メタデータ) (2020-11-03T16:50:37Z)
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。