論文の概要: Deep Learning Based Equalizer for MIMO-OFDM Systems with Insufficient Cyclic Prefix

• arxiv url: http://arxiv.org/abs/2007.11757v1
• Date: Thu, 23 Jul 2020 02:21:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-07 13:24:56.716712
• Title: Deep Learning Based Equalizer for MIMO-OFDM Systems with Insufficient Cyclic Prefix
• Title（参考訳）: サイクル前修正が不十分なMIMO-OFDMシステムのディープラーニングに基づく等化器
• Authors: Yan Sun, Chao Wang, Huan Cai, Chunming Zhao, Yiqun Wu, Yan Chen
• Abstract要約: 特に、信号検出性能は、キャリア間干渉(ICI)とシンボル間干渉(ISI)によって著しく損なわれている。 この問題に対処するために,最大確率検出を近似するために,深層学習に基づく等化器を提案する。 その結果,提案手法は従来の2つのベースライン方式と比較して,大幅な性能向上を実現可能であることがわかった。
• 参考スコア（独自算出の注目度）: 11.11468231197267
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we study the equalization design for multiple-input multiple-output (MIMO) orthogonal frequency division multiplexing (OFDM) systems with insufficient cyclic prefix (CP). In particular, the signal detection performance is severely impaired by inter-carrier interference (ICI) and inter-symbol interference (ISI) when the multipath delay spread exceeding the length of CP. To tackle this problem, a deep learning-based equalizer is proposed for approximating the maximum likelihood detection. Inspired by the dependency between the adjacent subcarriers, a computationally efficient joint detection scheme is developed. Employing the proposed equalizer, an iterative receiver is also constructed and the detection performance is evaluated through simulations over measured multipath channels. Our results reveal that the proposed receiver can achieve significant performance improvement compared to two traditional baseline schemes.
• Abstract（参考訳）: 本稿では,周期的プレフィックス(CP)が不十分な多重入力多重出力(MIMO)直交周波数分割多重化(OFDM)システムの等化設計について検討する。 特に、CP長を超えるマルチパス遅延が広がるとき、信号検出性能は、キャリア間干渉(ICI)とシンボル間干渉(ISI)によって著しく損なわれる。 この問題に対処するために,最大確率検出を近似する深層学習に基づく等化器を提案する。 隣接するサブキャリア間の依存性に着想を得て,計算効率の高いジョイント検出手法を開発した。 提案する等化器を用いて、反復受信機も構築し、測定されたマルチパスチャネル上でのシミュレーションにより検出性能を評価する。 その結果,提案する受信機は従来の2つのベースライン方式に比べて大幅に性能が向上することが判明した。

関連論文リスト

• Downlink MIMO Channel Estimation from Bits: Recoverability and Algorithm [47.7091447096969]
  主な課題は、ユーザ機器(UE)からの限られたフィードバックから基地局(BS)のダウンリンクチャネル状態情報(CSI)を取得することである。 本稿では、UE側で圧縮とガウスディザリングに基づく量子化戦略を採用し、BS側で最大極大推定器(MLE)を定式化する単純なフィードバックフレームワークを提案する。 このアルゴリズムは、高次高調波探索(HR)ソルバをサブルーチンとして統合するために慎重に設計されており、この難しいMLE問題に効果的に取り組む鍵であることが判明した。
  論文  参考訳（メタデータ） (2024-11-25T02:15:01Z)
• Joint Sparsity Pattern Learning Based Channel Estimation for Massive MIMO-OTFS Systems [46.42375183269616]
  大規模マルチインプット・マルチアウトプット(MIMO)変調システムのためのジョイント・スパシティ・パターン・ラーニング(JSPL)に基づくチャネル推定手法を提案する。 シミュレーション結果と解析の結果から,提案したチャネル推定手法は,最先端のベースライン方式よりも性能が向上することが示された。
  論文  参考訳（メタデータ） (2024-03-06T15:05:39Z)
• 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)
• Simultaneous source separation of unknown numbers of single-channel underwater acoustic signals based on deep neural networks with separator-decoder structure [0.0]
  本稿では,可能なターゲットの最大数に等しい一定数の出力チャネルを持つ,深層学習に基づく同時分離ソリューションを提案する。 この解は、目標への出力のアライメントによって引き起こされる置換問題による次元的災害を回避する。 放射音の混合を模擬した実験により, 提案手法は, 既知信号数と同等の分離性能が得られることを示した。
  論文  参考訳（メタデータ） (2022-07-24T14:04:34Z)
• Bit-Metric Decoding Rate in Multi-User MIMO Systems: Applications [13.848471206858617]
  第1部では,非線形受信機を有するMU-MIMOシステムに対するリンク適応(LA)と物理層(PHY)の抽象化に焦点を当てる。 パートIIは、任意の受信機を持つMU-MIMOシステムにおいて、LAのための新しいアルゴリズム、利用可能な検出器のリストからの動的検出器選択、PHY抽象化を開発する。
  論文  参考訳（メタデータ） (2022-03-11T22:51:26Z)
• 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)
• 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)

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。