論文の概要: Deep Learning-based Phase Reconfiguration for Intelligent Reflecting Surfaces

• arxiv url: http://arxiv.org/abs/2009.13988v1
• Date: Tue, 29 Sep 2020 13:18:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 07:21:34.917434
• Title: Deep Learning-based Phase Reconfiguration for Intelligent Reflecting Surfaces
• Title（参考訳）: 深層学習に基づくインテリジェント反射面の位相再構成
• Authors: \"Ozgecan \"Ozdogan, Emil Bj\"ornson
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intelligent reflecting surfaces (IRSs), consisting of reconfigurable metamaterials, have recently attracted attention as a promising cost-effective technology that can bring new features to wireless communications. These surfaces can be used to partially control the propagation environment and can potentially provide a power gain that is proportional to the square of the number of IRS elements when configured in a proper way. However, the configuration of the local phase matrix at the IRSs can be quite a challenging task since they are purposely designed to not have any active components, therefore, they are not able to process any pilot signal. In addition, a large number of elements at the IRS may create a huge training overhead. In this paper, we present a deep learning (DL) approach for phase reconfiguration at an IRS in order to learn and make use of the local propagation environment. The proposed method uses the received pilot signals reflected through the IRS to train the deep feedforward network. The performance of the proposed approach is evaluated and the numerical results are presented.
• Abstract（参考訳）: 再構成可能なメタマテリアルからなるインテリジェント反射面(IRS)は、無線通信に新機能をもたらす有望なコスト効率技術として最近注目を集めている。 これらの表面は、伝播環境を部分的に制御するために使用することができ、適切な方法で設定された場合、IRS要素の数に比例するパワーゲインを提供することができる。 しかし、irssにおける局所位相行列の構成は、故意に活性成分を持たないよう設計されているため、パイロット信号を処理することができないため、非常に難しい作業である。 さらに、IRSの多数の要素が、膨大なトレーニングオーバーヘッドを発生させる可能性がある。 本稿では,局所的な伝搬環境を学習し,活用するために,IRSにおける位相再構成のためのディープラーニング(DL)アプローチを提案する。 提案手法では,irsを通して受信したパイロット信号を用いて深いフィードフォワードネットワークを訓練する。 提案手法の性能を評価し,数値的な結果を示す。

関連論文リスト

• Deep Learning-Based Rate-Splitting Multiple Access for Reconfigurable Intelligent Surface-Aided Tera-Hertz Massive MIMO [56.022764337221325]
  再構成可能なインテリジェントサーフェス(RIS)は,Tera-Hertz大規模マルチインプットマルチアウトプット(MIMO)通信システムのサービスカバレッジを大幅に向上させることができる。 しかし、パイロットとフィードバック信号のオーバーヘッドが限定された正確な高次元チャネル状態情報(CSI)を得ることは困難である。 本稿では、RIS支援Tera-Hertzマルチユーザアクセスシステムのための、ディープラーニング(DL)に基づくレート分割多重アクセス方式を提案する。
  論文  参考訳（メタデータ） (2022-09-18T03:07:37Z)
• Pervasive Machine Learning for Smart Radio Environments Enabled by Reconfigurable Intelligent Surfaces [56.35676570414731]
  Reconfigurable Intelligent Surfaces(RIS)の新たな技術は、スマート無線環境の実現手段として準備されている。 RISは、無線媒体上の電磁信号の伝搬を動的に制御するための、高度にスケーラブルで低コストで、ハードウェア効率が高く、ほぼエネルギーニュートラルなソリューションを提供する。 このような再構成可能な無線環境におけるRISの密配置に関する大きな課題の1つは、複数の準曲面の効率的な構成である。
  論文  参考訳（メタデータ） (2022-05-08T06:21:33Z)
• Deep Reinforcement Learning-Based Adaptive IRS Control with Limited Feedback Codebooks [26.312293813063558]
  我々は、インテリジェント反射面(IRS)を制御するための適応型コードブックベースの制限フィードバックプロトコルを開発した。 適応型IRSコードブック設計のための2つのソリューションを提案する。 (i) チャネル実現間の相関を利用したランダム・アジャクシー(RA) と (ii) ディープニューラルネットワークポリシーに基づくIDS制御 (DPIC) である。 数値評価の結果,提案手法により,コヒーレンス時間におけるデータレートと平均データレートが大幅に改善された。
  論文  参考訳（メタデータ） (2022-05-07T11:21:19Z)
• 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)
• Learning Frequency-aware Dynamic Network for Efficient Super-Resolution [56.98668484450857]
  本稿では、離散コサイン変換(dct)領域の係数に応じて入力を複数の部分に分割する新しい周波数認識動的ネットワークについて検討する。 実際、高周波部は高価な操作で処理され、低周波部は計算負荷を軽減するために安価な操作が割り当てられる。 ベンチマークSISRモデルおよびデータセット上での実験は、周波数認識動的ネットワークが様々なSISRニューラルネットワークに使用できることを示している。
  論文  参考訳（メタデータ） (2021-03-15T12:54:26Z)
• 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)
• A Survey of Deep Learning Architectures for Intelligent Reflecting Surfaces [22.51807198305316]
  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。
  論文  参考訳（メタデータ） (2020-09-05T14:26:48Z)
• 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)

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。