論文の概要: A Survey of Deep Learning Architectures for Intelligent Reflecting Surfaces

• arxiv url: http://arxiv.org/abs/2009.02540v5
• Date: Thu, 21 Jul 2022 17:47:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-21 21:14:11.230717
• Title: A Survey of Deep Learning Architectures for Intelligent Reflecting Surfaces
• Title（参考訳）: インテリジェント反射面のためのディープラーニングアーキテクチャに関する研究
• Authors: Ahmet M. Elbir and Kumar Vijay Mishra
• Abstract要約: インテリジェント反射面(IRS)は近年,無線通信において大きな注目を集めている。 ディープラーニング(DL)のようなデータ駆動技術は、これらの課題に対処するために重要である。 本稿では、DLベースのIRSアシスト無線システムを設計するためのこれらの技術の概要について述べる。
• 参考スコア（独自算出の注目度）: 22.51807198305316
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intelligent reflecting surfaces (IRSs) have recently received significant attention for wireless communications because it reduces the hardware complexity, physical size, weight, and cost of conventional large arrays. However, deployment of IRS entails dealing with multiple channel links between the base station (BS) and the users. Further, the BS and IRS beamformers require a joint design, wherein the IRS elements must be rapidly reconfigured. Data-driven techniques, such as deep learning (DL), are critical in addressing these challenges. The lower computation time and model-free nature of DL makes it robust against the data imperfections and environmental changes. At the physical layer, DL has been shown to be effective for IRS signal detection, channel estimation and active/passive beamforming using architectures such as supervised, unsupervised and reinforcement learning. This article provides a synopsis of these techniques for designing DL-based IRS-assisted wireless systems.
• Abstract（参考訳）: インテリジェント反射面(IRS)は、従来の大型アレイのハードウェアの複雑さ、物理的サイズ、重量、コストを低減できるため、無線通信において注目されている。 しかし、IRSの展開には基地局(BS)とユーザの間の複数のチャンネルリンクを扱う必要がある。 さらに、BSとIRSのビームフォーマは共同設計が必要であり、IRSの要素は迅速に再構成されなければならない。 ディープラーニング(DL)のようなデータ駆動技術は、これらの課題に対処するために重要である。 DLの計算時間とモデルフリー性は、データ不完全性と環境変化に対して堅牢である。 物理層におけるDLは、教師なし、教師なし、強化学習などのアーキテクチャを用いたIRS信号の検出、チャネル推定、アクティブ/パッシブビームフォーミングに有効であることが示されている。 本稿では,dlベースirs支援無線システムの設計手法の概要を紹介する。

関連論文リスト

• Cross-domain Learning Framework for Tracking Users in RIS-aided Multi-band ISAC Systems with Sparse Labeled Data [55.70071704247794]
  統合センシング・通信(ISAC)は6G通信において重要であり、再構成可能なインテリジェントサーフェス(RIS)の急速な発展によって促進される 本稿では,複数の帯域にまたがるマルチモーダルCSIインジケータを協調的に活用し,クロスドメイン方式で追跡機能をモデル化するX2Trackフレームワークを提案する。 X2Trackの下では、トランスフォーマーニューラルネットワークと逆学習技術に基づいて、トラッキングエラーを最小限に抑える効率的なディープラーニングアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-05-10T08:04:27Z)
• Hybrid Driven Learning for Channel Estimation in Intelligent Reflecting Surface Aided Millimeter Wave Communications [25.311351571810032]
  ミリ波(mmWave)およびテラヘルツ(THz)システムにおいて、カバー範囲とキャパシティ向上の両方を達成するために、インテリジェント反射面(IRS)が提案されている。 ハイブリッドアーキテクチャを用いたマルチユーザマルチインプット・シングルアウトプット(MISO)システムにおけるアップリンク広帯域チャネル推定の問題に対処する。
  論文  参考訳（メタデータ） (2023-05-30T13:03:37Z)
• Machine Learning for Metasurfaces Design and Their Applications [20.350142630673197]
  マシン/ディープラーニング(ML/DL)技術は、RIS逆設計の計算コストと時間を削減する上で重要である。 本章は、逆RIS設計とRISアシスト無線システムの両方のためのDL技術のシナプスを提供する。
  論文  参考訳（メタデータ） (2022-11-02T17:19:37Z)
• Federated Channel Learning for Intelligent Reflecting Surfaces With Fewer Pilot Signals [25.592568132720157]
  本稿では,IRS支援無線システムにおける直接チャネルとカスケードチャネルの両方を共同で推定するフェデレートラーニング(FL)フレームワークを提案する。 提案手法ではパイロット信号が約60%少なくなり,CLの12倍の伝送オーバヘッドが得られた。
  論文  参考訳（メタデータ） (2022-05-06T13:23:39Z)
• 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)
• Phase Configuration Learning in Wireless Networks with Multiple Reconfigurable Intelligent Surfaces [50.622375361505824]
  RIS(Reconfigurable Intelligent Surfaces)は、電磁波伝搬の動的制御を提供する、高度にスケーラブルな技術である。 RISを内蔵した無線通信における大きな課題の1つは、複数のRISの低オーバーヘッドダイナミックな構成である。 RISの位相構成に対する低複雑さ教師あり学習手法を考案する。
  論文  参考訳（メタデータ） (2020-10-09T05:35:27Z)
• Deep Learning-based Phase Reconfiguration for Intelligent Reflecting Surfaces [0.0]
  IRSにおける位相再構成のための深層学習(DL)手法を提案する。 提案手法は、IRSを通して反射された受信したパイロット信号を用いて、ディープフィードフォワードネットワークをトレーニングする。
  論文  参考訳（メタデータ） (2020-09-29T13:18:24Z)
• Optimization-driven Machine Learning for Intelligent Reflecting Surfaces Assisted Wireless Networks [82.33619654835348]
  インテリジェントサーフェス(IRS)は、個々の散乱素子の位相シフトを制御して無線チャネルを再形成するために用いられる。 散乱素子の規模が大きいため、受動ビームフォーミングは一般に高い計算複雑性によって挑戦される。 本稿では、IRS支援無線ネットワークの性能向上のための機械学習(ML)アプローチに焦点を当てる。
  論文  参考訳（メタデータ） (2020-08-29T08:39:43Z)
• Intelligent Reflecting Surface Aided Wireless Communications: A Tutorial [64.77665786141166]
  インテリジェント反射面(Intelligent Reflecting Surface、IRS)は、無線ネットワークにおける電波伝搬を工学する技術である。 IRSは無線チャネルを動的に変更して通信性能を向上させることができる。 その大きな可能性にもかかわらず、IRSは無線ネットワークに効率的に統合されるための新たな課題に直面している。
  論文  参考訳（メタデータ） (2020-07-06T13:59:09Z)
• Truly Intelligent Reflecting Surface-Aided Secure Communication Using Deep Learning [32.34501171201543]
  本稿では,無線環境における通信のための物理層セキュリティ設計のための機械学習について考察する。 リアルタイムにIRS要素の反射を調整するための深層学習(DL)技術が開発されている。
  論文  参考訳（メタデータ） (2020-04-07T00:48:58Z)
• Deep Learning for Ultra-Reliable and Low-Latency Communications in 6G Networks [84.2155885234293]
  まず,データ駆動型教師付き深層学習と深部強化学習をURLLCに適用する方法を概説する。 このようなオープンな問題に対処するために、デバイスインテリジェンス、エッジインテリジェンス、およびURLLCのためのクラウドインテリジェンスを可能にするマルチレベルアーキテクチャを開発した。
  論文  参考訳（メタデータ） (2020-02-22T14:38:11Z)

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。