Fugu-MT 論文翻訳(概要): Pilot Interval Reduction by Deep Learning Based Detectors in Uplink NOMA

論文の概要: Pilot Interval Reduction by Deep Learning Based Detectors in Uplink NOMA

arxiv url: http://arxiv.org/abs/2004.12416v1
Date: Sun, 26 Apr 2020 15:22:44 GMT
ステータス: 処理完了
システム内更新日: 2022-12-09 14:04:29.141415
Title: Pilot Interval Reduction by Deep Learning Based Detectors in Uplink NOMA
Title（参考訳）: 深層学習型検出器によるアップリンクNOOMAのパイロット間隔低減
Authors: Ahmet Emir, Ferdi Kara, Hakan Kaya
Abstract要約: 受信機でチャネルが不明なアップリンク通信システムでは、異なる時間間隔で各ユーザから送信されるパイロット信号により、NOMAのスペクトル効率が低下する。本研究では,アップリンク通信システムにおいて,基地局の利用者から送信されたパイロット信号に応答することが知られているDL深度学習に基づく検出器について検討した。
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: Non-Orthogonal Multiple Access (NOMA) has higher spectral efficiency than orthogonal multiple access (OMA) techniques. In uplink communication systems that the channel is not known at the receiver, pilot signals sent from each user in different time intervals have reduced the spectral efficiency of NOMA. In this study, in the uplink communication system, DL-deep learning based detectors which are known to respond to the pilot signals sent from the users at the base station have been researched. It is aimed to maintain the spectral efficiency of NOMA by sending a single pilot from users, thus reducing the time interval in the DL detectors.
Abstract（参考訳）: 非直交多重アクセス(Noma)は直交多重アクセス(OMA)技術よりもスペクトル効率が高い。受信機でチャネルが不明なアップリンク通信システムでは、異なる時間間隔で各ユーザから送信されるパイロット信号により、NOMAのスペクトル効率が低下する。本研究では,基地局の利用者から送信されたパイロット信号に応答することが知られているdl-deep learningに基づく検出器について検討した。利用者から1人のパイロットを送ることで、NOMAのスペクトル効率を維持することを目的としており、DL検出器の時間間隔を短縮する。

関連論文リスト

Low-Overhead Channel Estimation via 3D Extrapolation for TDD mmWave Massive MIMO Systems Under High-Mobility Scenarios [41.213515826100696]
本稿では,パイロットオーバヘッドを体系的に低減する空間的,周波数的,時間的領域(3D)チャネル外挿フレームワークを提案する。数値計算の結果,提案手法はパイロット訓練のオーバーヘッドを16倍以上に抑えることができた。
論文参考訳（メタデータ） (2024-06-13T07:42:25Z)
Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
論文参考訳（メタデータ） (2024-03-12T01:28:00Z)
Realtime Spectrum Monitoring via Reinforcement Learning -- A Comparison Between Q-Learning and Heuristic Methods [0.0]
利用可能なレシーバリソースを制御するための2つのアプローチを比較した。使用するQ-ラーニングアルゴリズムは、より少ない探索率を犠牲にして、アプローチよりもはるかに高い検出率を有する。
論文参考訳（メタデータ） (2023-07-11T19:40:02Z)
Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文参考訳（メタデータ） (2023-06-08T06:15:17Z)
Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。本稿では2つの新しい推定法を提案する。
論文参考訳（メタデータ） (2021-09-06T13:42:32Z)
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)
DeepMuD: Multi-user Detection for Uplink Grant-Free NOMA IoT Networks via Deep Learning [22.345609845425493]
アップリンク非直交多重アクセス(NOMA)における深層学習支援マルチユーザ検出(DeepMuD)の提案提案したDeepMuDは、アップリンクNOMAのエラー性能を大幅に改善する。この増加は、IoT(Internet of Things)デバイスの数の増加に匹敵するものだ。
論文参考訳（メタデータ） (2021-02-18T07:43:03Z)
FedRec: Federated Learning of Universal Receivers over Fading Channels [92.15358738530037]
本稿では,ダウンリンクフェージングチャネルに対するニューラルネットワークを用いたシンボル検出手法を提案する。複数のユーザが協力して、普遍的なデータ駆動型検出器を学習する。得られた受信機の性能は、フェーディング統計の知識を必要とせずに、様々なチャネル条件下でMAP性能に近づくことを示す。
論文参考訳（メタデータ） (2020-11-14T11:29:55Z)
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)
End-to-end Learning for OFDM: From Neural Receivers to Pilotless Communication [12.325545487629297]
周波数選択型および時間選択型フェーディングチャネル上でのエンド・ツー・エンド・ラーニングの効果について検討する。受信機における不完全なチャネル知識により、AWGNチャネルで観測されたシェイピングゲインは消滅する。他の2つのパフォーマンス改善源を特定します。
論文参考訳（メタデータ） (2020-09-11T07:33:00Z)

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。