論文の概要: Deep Denoising Neural Network Assisted Compressive Channel Estimation for mmWave Intelligent Reflecting Surfaces

• arxiv url: http://arxiv.org/abs/2006.02201v2
• Date: Sun, 30 Aug 2020 03:29:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-25 18:49:23.025397
• Title: Deep Denoising Neural Network Assisted Compressive Channel Estimation for mmWave Intelligent Reflecting Surfaces
• Title（参考訳）: mm波インテリジェント反射面の深部除音ニューラルネットワークによる圧縮チャネル推定
• Authors: Shicong Liu, Zhen Gao, Jun Zhang, Marco Di Renzo, Mohamed-Slim Alouini
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 99.34306447202546
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Integrating large intelligent reflecting surfaces (IRS) into millimeter-wave (mmWave) massive multi-input-multi-ouput (MIMO) has been a promising approach for improved coverage and throughput. Most existing work assumes the ideal channel estimation, which can be challenging due to the high-dimensional cascaded MIMO channels and passive reflecting elements. Therefore, this paper proposes a deep denoising neural network assisted compressive channel estimation for mmWave IRS systems to reduce the training overhead. Specifically, we first introduce a hybrid passive/active IRS architecture, where very few receive chains are employed to estimate the uplink user-to-IRS channels. At the channel training stage, only a small proportion of elements will be successively activated to sound the partial channels. Moreover, the complete channel matrix can be reconstructed from the limited measurements based on compressive sensing, whereby the common sparsity of angular domain mmWave MIMO channels among different subcarriers is leveraged for improved accuracy. Besides, a complex-valued denoising convolution neural network (CV-DnCNN) is further proposed for enhanced performance. Simulation results demonstrate the superiority of the proposed solution over state-of-the-art solutions.
• Abstract（参考訳）: 大規模インテリジェント反射面(IRS)をミリ波(mmWave)大規模マルチインプット・マルチ・ウプット(MIMO)に統合することは、カバレッジとスループットを向上させる上で有望なアプローチである。 既存の作業の多くは、高次元のMIMOチャネルと受動的反射素子のために、理想的なチャネル推定を前提としている。 そこで本稿では, トレーニングオーバーヘッドを低減するために, 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による圧縮チャネル推定を提案する。 具体的には、まずハイブリッド受動/アクティブIRSアーキテクチャを導入し、アップリンクのユーザ-IRSチャネルを推定するために受信チェーンをほとんど使用しない。 チャネル訓練段階では、部分的なチャネルを鳴らすために、少数の要素のみが順次活性化される。 さらに、圧縮センシングに基づく限られた測定値から完全チャネル行列を再構成することができ、異なるサブキャリア間の角度領域mmWave MIMOチャネルの共通間隔を利用して精度を向上させる。 さらに,複雑な値を持つ畳み込み畳み込みニューラルネットワーク (CV-DnCNN) も提案されている。 シミュレーションの結果,提案手法が最先端解よりも優れていることを示す。

関連論文リスト

• 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)
• Channel Estimation Based on Machine Learning Paradigm for Spatial Modulation OFDM [0.0]
  ディープニューラルネットワーク(DNN)は、レイリーフェディングチャネル上のエンドツーエンドデータ検出のための空間変調直交周波数分割多重化(SM-OFDM)技術と統合されている。 提案システムは受信したシンボルを直接復調し,チャネル推定を暗黙的に行う。
  論文  参考訳（メタデータ） (2021-09-15T10:54:56Z)
• CNN based Channel Estimation using NOMA for mmWave Massive MIMO System [0.0]
  本稿では,ハイブリッドアーキテクチャ上に構築されたミリ波(mmWave)系のチャネルを推定するための畳み込みニューラルネットワーク手法を提案する。 まず、受信した信号からチャネルの粗い推定を行う。 数値図は,提案手法が最小二乗推定,最小平均二乗誤差(MMSE)推定を上回り,クラマー・ラオ境界(CRB)に近いことを示す。
  論文  参考訳（メタデータ） (2021-08-01T05:33:55Z)
• Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
  そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。 推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。 提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
  論文  参考訳（メタデータ） (2021-07-27T06:57:56Z)
• 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)
• Deep Learning Based Antenna Selection for Channel Extrapolation in FDD Massive MIMO [54.54508321463112]
  大規模なマルチインプット多重出力(MIMO)システムでは、多数のアンテナが正確なチャネル状態情報を取得する上で大きな課題となる。 ニューラルネットワーク(NN)を用いて、アップリンクとダウンリンクチャネルデータセット間の固有の接続を捕捉し、アップリンクチャネル状態情報のサブセットからダウンリンクチャネルを外挿する。 アンテナサブセット選択問題について検討し、最高のチャネル外挿を実現し、NNのデータサイズを小さくする。
  論文  参考訳（メタデータ） (2020-09-03T13:38:52Z)
• Deep Learning Optimized Sparse Antenna Activation for Reconfigurable Intelligent Surface Assisted Communication [54.72880662623178]
  再構成可能なインテリジェントサーフェス(RIS)は通常、パッシブモードで動作する。 カスケードチャネル構造と信号処理能力の欠如により、RISが個々のチャネル状態情報を取得することは困難である。 本稿では、RISのアンテナの一部に信号処理ユニットを追加し、チャネルを部分的に取得する。
  論文  参考訳（メタデータ） (2020-09-03T12:27:22Z)

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。