論文の概要: Learning on a Grassmann Manifold: CSI Quantization for Massive MIMO Systems

• arxiv url: http://arxiv.org/abs/2005.08413v1
• Date: Mon, 18 May 2020 01:01:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-02 00:42:22.454317
• Title: Learning on a Grassmann Manifold: CSI Quantization for Massive MIMO Systems
• Title（参考訳）: グラスマン多様体の学習:大規模MIMOシステムのCSI量子化
• Authors: Keerthana Bhogi, Chiranjib Saha, and Harpreet S. Dhillon
• Abstract要約: 本稿では,基礎となるチャネル分布に対する平均正規化ビームフォーミングゲインを最大化するビームフォーミングコードブックの設計に焦点をあてる。 我々は,機械学習の基礎となるモデルフリーなデータ駆動型手法を用いて,周囲の伝搬条件に適応するビームフォーミングコードブックを生成する。
• 参考スコア（独自算出の注目度）: 37.499485219254545
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper focuses on the design of beamforming codebooks that maximize the average normalized beamforming gain for any underlying channel distribution. While the existing techniques use statistical channel models, we utilize a model-free data-driven approach with foundations in machine learning to generate beamforming codebooks that adapt to the surrounding propagation conditions. The key technical contribution lies in reducing the codebook design problem to an unsupervised clustering problem on a Grassmann manifold where the cluster centroids form the finite-sized beamforming codebook for the channel state information (CSI), which can be efficiently solved using K-means clustering. This approach is extended to develop a remarkably efficient procedure for designing product codebooks for full-dimension (FD) multiple-input multiple-output (MIMO) systems with uniform planar array (UPA) antennas. Simulation results demonstrate the capability of the proposed design criterion in learning the codebooks, reducing the codebook size and producing noticeably higher beamforming gains compared to the existing state-of-the-art CSI quantization techniques.
• Abstract（参考訳）: 本稿では,基本チャネル分布の平均正規化ビームフォーミングゲインを最大化するビームフォーミング符号ブックの設計に着目する。 既存の手法は統計チャネルモデルを用いるが,機械学習の基礎となるモデルフリーなデータ駆動方式を用いて,周辺伝播条件に適応したビームフォーミングコードブックを生成する。 鍵となる技術的貢献は、k平均クラスタリングを用いて効率的に解くことができるチャネル状態情報(csi)のための有限サイズのビームフォーミング符号ブックを形成するグラスマン多様体上の符号ブック設計問題を教師なしクラスタリング問題に還元することである。 このアプローチは、一様平面アレイ(UPA)アンテナを備えたフルディメンジョン(FD)マルチインプットマルチアウトプット(MIMO)システムのための製品コードブックを設計するための極めて効率的な手順を開発するために拡張される。 シミュレーションの結果, コードブックの学習における設計基準の有効性が示され, コードブックのサイズが小さくなり, 既存のcsi量子化手法に比べてビームフォーミング効果が顕著に高かった。

関連論文リスト

• AI-Aided Kalman Filters [65.35350122917914]
  カルマンフィルタ(KF)とその変種は、信号処理において最も著名なアルゴリズムの一つである。 最近の進歩は、古典的なカルマン型フィルタリングでディープニューラルネットワーク(DNN)を融合させる可能性を示している。 本稿では,KF型アルゴリズムにAIを組み込むための設計アプローチについて,チュートリアル形式で概説する。
  論文  参考訳（メタデータ） (2024-10-16T06:47:53Z)
• Factor Graph Optimization of Error-Correcting Codes for Belief Propagation Decoding [62.25533750469467]
  低密度パリティ・チェック (LDPC) コードは、他の種類のコードに対していくつかの利点がある。 提案手法は,既存の人気符号の復号性能を桁違いに向上させる。
  論文  参考訳（メタデータ） (2024-06-09T12:08:56Z)
• Neural Codebook Design for Network Beam Management [37.51593770637367]
  5Gのようなモバイルシステムは、ビーム管理フレームワークを使用して、最初の取得、アクセス、CSINB、ビームフォーミング、データ転送を結合する。 本稿では、干渉を軽減するためにコードブックをキャプチャし、最適化する、ハイブリッド・ツー・エンドの学習用コードブック設計アルゴリズムを提案する。 提案アルゴリズムは共有情報に制限を課すが、従来のコードブックよりも10dB以上のアライメントを実現し、ネットワークスペクトル効率を25%以上改善するコードブックを設計する。
  論文  参考訳（メタデータ） (2024-03-05T15:37:06Z)
• Hierarchical ML Codebook Design for Extreme MIMO Beam Management [37.51593770637367]
  ビーム管理は、ビームフォーミングとチャネル状態情報(CSI)を5Gで大きなアンテナアレイで取得する戦略である。 コードブックは、ビームフォーミング参照信号、CSIレポート、アナログビームトレーニングなど、ビーム管理に多用されている。 本稿では,超大規模マルチインプットマルチアウトプット(X-MIMO)システムを対象とした,機械学習によるコードブック設計プロセスの提案と評価を行う。
  論文  参考訳（メタデータ） (2023-11-24T17:14:11Z)
• LD-GAN: Low-Dimensional Generative Adversarial Network for Spectral Image Generation with Variance Regularization [72.4394510913927]
  ディープラーニング法はスペクトル画像(SI)計算タスクの最先端技術である。 GANは、データ分散から学習およびサンプリングすることで、多様な拡張を可能にする。 この種のデータの高次元性は、GANトレーニングの収束を妨げるため、GANベースのSI生成は困難である。 本稿では, オートエンコーダ訓練における低次元表現分散を制御し, GANで生成されたサンプルの多様性を高めるための統計正則化を提案する。
  論文  参考訳（メタデータ） (2023-04-29T00:25:02Z)
• Flexible Unsupervised Learning for Massive MIMO Subarray Hybrid Beamforming [1.181206257787103]
  サブアレイハイブリッドビームフォーミングは、大規模システムのエネルギー効率を改善するための有望な技術である。 ニューラル化位相シフト器とCSIをサポートしながらハイブリッドビームフォーミングを設計するための新しい教師なし学習手法を提案する。
  論文  参考訳（メタデータ） (2022-08-10T16:55:00Z)
• Learning Representations for CSI Adaptive Quantization and Feedback [51.14360605938647]
  本稿では,周波数分割二重化システムにおける適応量子化とフィードバックの効率的な手法を提案する。 既存の研究は主に、CSI圧縮のためのオートエンコーダ(AE)ニューラルネットワークの実装に焦点を当てている。 1つはポストトレーニング量子化に基づくもので、もう1つはAEのトレーニング中にコードブックが見つかる方法である。
  論文  参考訳（メタデータ） (2022-07-13T08:52:13Z)
• Tensor Learning-based Precoder Codebooks for FD-MIMO Systems [47.562560779723334]
  本稿では,FD(Full-dimension)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,プリコーディングのための低複雑さなコードブックを設計するための効率的な手法を開発する。 モデルフリーなデータ駆動型アプローチを機械学習の基礎として利用し、周辺伝播条件に適応するコードブックを生成する。
  論文  参考訳（メタデータ） (2021-06-21T19:18:39Z)
• Unsupervised Deep Learning for Massive MIMO Hybrid Beamforming [1.290382979353427]
  ハイブリッドビームフォーミングは、MIMO(Multiple-input multiple-output)システムの複雑さとコストを低減するための有望な技術である。 本稿では,ハイブリッドビームフォーミングを設計するためのRSSIに基づく非教師なし深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-30T18:10:36Z)

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。