論文の概要: End-to-end Learning for OFDM: From Neural Receivers to Pilotless
Communication
- arxiv url: http://arxiv.org/abs/2009.05261v3
- Date: Thu, 29 Jul 2021 06:26:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-19 22:17:21.006806
- Title: End-to-end Learning for OFDM: From Neural Receivers to Pilotless
Communication
- Title（参考訳）: OFDMのエンドツーエンド学習:ニューラル受信機からパイロットレス通信へ
- Authors: Fay\c{c}al Ait Aoudia and Jakob Hoydis
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 12.325545487629297
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Previous studies have demonstrated that end-to-end learning enables
significant shaping gains over additive white Gaussian noise (AWGN) channels.
However, its benefits have not yet been quantified over realistic wireless
channel models. This work aims to fill this gap by exploring the gains of
end-to-end learning over a frequency- and time-selective fading channel using
orthogonal frequency division multiplexing (OFDM). With imperfect channel
knowledge at the receiver, the shaping gains observed on AWGN channels vanish.
Nonetheless, we identify two other sources of performance improvements. The
first comes from a neural network (NN)-based receiver operating over a large
number of subcarriers and OFDM symbols which allows to significantly reduce the
number of orthogonal pilots without loss of bit error rate (BER). The second
comes from entirely eliminating orthognal pilots by jointly learning a neural
receiver together with either superimposed pilots (SIPs), linearly combined
with conventional quadrature amplitude modulation (QAM), or an optimized
constellation geometry. The learned geometry works for a wide range of
signal-to-noise ratios (SNRs), Doppler and delay spreads, has zero mean and
does hence not contain any form of superimposed pilots. Both schemes achieve
the same BER as the pilot-based baseline with around 7% higher throughput.
Thus, we believe that a jointly learned transmitter and receiver are a very
interesting component for beyond-5G communication systems which could remove
the need and associated control overhead for demodulation reference signals
(DMRSs).
- Abstract（参考訳）: 従来の研究では、エンドツーエンド学習は付加的な白色ガウスノイズ(AWGN)チャネルよりも顕著なシェーピングゲインを実現することが示されている。
しかし、実際の無線チャネルモデルよりもその利点が定量化されていない。
本研究は,直交周波数分割多重化(ofdm)を用いた,周波数・時間選択フェージングチャネル上でのエンド・ツー・エンド学習の利点を探ることで,このギャップを埋めることを目的とする。
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。
それでも、他の2つのパフォーマンス改善源を特定します。
1つ目は、多数のサブキャリアとOFDMシンボルを操作するニューラルネットワーク(NN)ベースの受信機で、ビットエラー率(BER)を失うことなく直交パイロットの数を著しく削減できる。
2つ目は、ニューラルレシーバーを重畳されたパイロット(SIP)と共同で学習し、従来の二次振幅変調(QAM)や最適化された星座幾何学と線形に組み合わせることで、整形パイロットを完全に排除することに由来する。
学習された幾何学は、幅広い信号と雑音の比(SNR)、ドップラーと遅延の拡散、平均値がゼロであり、従って重畳されたパイロットは含まない。
どちらのスキームもパイロットベースベースラインと同じBERを約7%高いスループットで実現している。
したがって,復調基準信号(dmrss)の必要性と関連する制御オーバーヘッドをなくすことが可能な5gを超える通信システムでは,共学の送信機と受信機が非常に興味深いコンポーネントであると考えられる。
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) - DEFORM: A Practical, Universal Deep Beamforming System [4.450750414447688]
我々は、ユニバーサルレシーバービームフォーミング技術を紹介し、設計し、評価する。
我々のアプローチとシステムDEFORMは、深層学習(DL)ベースのRXビームフォーミングであり、マルチアンテナRF受信機において大きな利益をもたらす。
論文 参考訳（メタデータ） (2022-03-18T03:52:18Z) - Waveform Learning for Next-Generation Wireless Communication Systems [16.26230847183709]
本稿では,送信受信フィルタ,星座形状,それに付随するビットラベリング,およびニューラルネットワーク(NN)ベースの検出器の結合設計のための学習に基づく手法を提案する。
この方法は、隣接するチャネルリーク比(ACLR)とピーク・ツー・アベイジ・パワー比(PAPR)の制約を同時に満たしつつ、達成可能な情報レートを最大化する。
論文 参考訳（メタデータ） (2021-09-02T14:51:16Z) - End-to-End Learning for Uplink MU-SIMO Joint Transmitter and
Non-Coherent Receiver Design in Fading Channels [11.182920270301304]
JTRD-Netと呼ばれる新しいエンドツーエンド学習手法が提案され、マルチユーザシングルインプットマルチ出力(MU-SIMO)ジョイントトランスミッタとフェーディングチャネルにおける非コヒーレントレシーバー設計(JTRD)をアップリンクする。
送信側は、マルチユーザー波形設計を担当する並列線形層のグループとしてモデル化されています。
非コヒーレント受信機は、マルチユーザ検出(MUD)機能を提供するために、ディープフィードフォワードニューラルネットワーク(DFNN)によって形成される。
論文 参考訳（メタデータ） (2021-05-04T02:47:59Z) - 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) - Trimming the Fat from OFDM: Pilot- and CP-less Communication with
End-to-end Learning [16.26230847183709]
直交周波数分割多重化(OFDM)は、無線通信システムにおける支配的な波形の1つです。
対称間干渉(ISI)を緩和するために環状プレフィックス(CP)とチャネルを推定するためにパイロットを必要とするため、スペクトル効率の損失に苦しんでいます。
本稿では,ニューラルネットワーク(NN)ベースの受信機と星座の幾何学とビットラベリングを併用して学習することで,これらの欠点に対処することを提案する。
論文 参考訳（メタデータ） (2021-01-20T16:53:37Z) - CAnet: Uplink-aided Downlink Channel Acquisition in FDD Massive MIMO
using Deep Learning [51.72869237847767]
周波数分割二重化システムでは、ダウンリンクチャネル状態情報(CSI)取得方式は高いトレーニングとフィードバックのオーバーヘッドをもたらす。
これらのオーバーヘッドを削減するためにディープラーニングを用いたアップリンク支援ダウンリンクチャネル獲得フレームワークを提案する。
論文 参考訳（メタデータ） (2021-01-12T10:12:28Z) - 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) - 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) - Pruning the Pilots: Deep Learning-Based Pilot Design and Channel
Estimation for MIMO-OFDM Systems [8.401473551081748]
本稿では,ニューラルネットワークを用いた共同パイロット設計とダウンリンクチャネル推定手法を提案する。
提案したNNアーキテクチャは、周波数対応のパイロット設計に完全連結層を使用し、線形最小二乗誤差(LMMSE)推定に優れる。
また、トレーニング中に高密度のNN層から少ない有意なニューロンを徐々に刈り取ることにより、効果的なパイロットリダクション手法を提案する。
論文 参考訳（メタデータ） (2020-06-21T13:10:26Z) - 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。