論文の概要: Channel Estimation for Full-Duplex RIS-assisted HAPS Backhauling with Graph Attention Networks

• arxiv url: http://arxiv.org/abs/2010.12004v2
• Date: Sat, 3 Apr 2021 19:52:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-04 08:44:27.929166
• Title: Channel Estimation for Full-Duplex RIS-assisted HAPS Backhauling with Graph Attention Networks
• Title（参考訳）: グラフ注意ネットワークを用いた全二重RIS支援HAPSバックホールのチャネル推定
• Authors: K\"ur\c{s}at Tekb{\i}y{\i}k, G\"une\c{s} Karabulut Kurt, Chongwen Huang, Ali R{\i}za Ekti, Halim Yanikomeroglu
• Abstract要約: 本稿では、まず、アテンションネットワーク(GAT)をチャネル通信プラットフォームステーション(HAPS)とみなす。 トレーニングデータにこれらすべてのバリエーションが含まれていなくても,GATは小型のフェージング特性において堅牢なハードウェア変化を示す。 また、トレーニングデータにこれらすべてのバリエーションが含まれていなくても、GATは小型のフェーディング特性において堅牢なハードウェア変化を示すことが示されている。
• 参考スコア（独自算出の注目度）: 24.19960384472109
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this paper, graph attention network (GAT) is firstly utilized for the channel estimation. In accordance with the 6G expectations, we consider a high-altitude platform station (HAPS) mounted reconfigurable intelligent surface-assisted two-way communications and obtain a low overhead and a high normalized mean square error performance. The performance of the proposed method is investigated on the two-way backhauling link over the RIS-integrated HAPS. The simulation results denote that the GAT estimator overperforms the least square in full-duplex channel estimation. Contrary to the previously introduced methods, GAT at one of the nodes can separately estimate the cascaded channel coefficients. Thus, there is no need to use time-division duplex mode during pilot signaling in full-duplex communication. Moreover, it is shown that the GAT estimator is robust to hardware imperfections and changes in small-scale fading characteristics even if the training data do not include all these variations.
• Abstract（参考訳）: 本稿では,まずグラフアテンションネットワーク(gat)を用いてチャネル推定を行う。 6gの期待に応えて,高高度プラットフォームステーション (haps) の構成変更可能な知的面支援双方向通信を検討し,低オーバーヘッド,高正規化平均2乗誤差性能を得た。 提案手法の性能は, ris統合haps上の双方向バックホールリンクについて検討した。 シミュレーションの結果,GAT推定器は全二重チャネル推定において最小2乗を上回っていることがわかった。 以前に導入された手法とは対照的に、ノードの1つのGATはカスケードチャネル係数を別々に推定することができる。 したがって、全二重通信におけるパイロット信号処理中に時間分割二重モードを使用する必要はない。 さらに,GAT推定器はハードウェアの不完全性に対して頑健であり,トレーニングデータにこれらすべてのバリエーションが含まれていなくても,小型のフェーディング特性の変化が認められる。

関連論文リスト

• 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)
• Deep Learning Based Channel Estimation in High Mobility Communications Using Bi-RNN Networks [7.310043452300738]
  本稿では,2重選択チャネルを正確に推定する最適化された双方向リカレントニューラルネットワーク (Bi-RNN) を用いたチャネル推定手法を提案する。 開発されたBi-GRU推定器は、最近提案されたCNNベースの推定器を、異なる移動シナリオで大幅に上回っている。
  論文  参考訳（メタデータ） (2023-04-29T09:20:28Z)
• Hierarchical Spherical CNNs with Lifting-based Adaptive Wavelets for Pooling and Unpooling [101.72318949104627]
  本稿では, 階層型畳み込みニューラルネットワーク(HS-CNN)の新たな枠組みを提案し, プールやアンプールのための適応球面ウェーブレットを学習する。 LiftHS-CNNは、画像レベルのタスクとピクセルレベルのタスクの両方において、より効率的な階層的特徴学習を実現する。
  論文  参考訳（メタデータ） (2022-05-31T07:23:42Z)
• CATRO: Channel Pruning via Class-Aware Trace Ratio Optimization [61.71504948770445]
  本稿では,CATRO (Class-Aware Trace Ratio Optimization) を用いた新しいチャネルプルーニング手法を提案する。 CATROは、他の最先端チャネルプルーニングアルゴリズムと同等の精度で、同様のコストまたは低コストで高い精度を達成できることを示す。 CATROは、クラス認識の特性のため、様々な分類サブタスクに適応的に効率の良いネットワークを創り出すのに適している。
  論文  参考訳（メタデータ） (2021-10-21T06:26:31Z)
• 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)
• Neural Calibration for Scalable Beamforming in FDD Massive MIMO with Implicit Channel Estimation [10.775558382613077]
  チャネル推定とビームフォーミングは、周波数分割二重化(FDD)大規模マルチインプット多重出力(MIMO)システムにおいて重要な役割を果たす。 受信したアップリンクパイロットに応じて,基地局のビームフォーマを直接最適化する深層学習方式を提案する。 エンド・ツー・エンドの設計のスケーラビリティを向上させるために,ニューラルキャリブレーション法を提案する。
  論文  参考訳（メタデータ） (2021-08-03T14:26:14Z)
• 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)
• Channelized Axial Attention for Semantic Segmentation [70.14921019774793]
  チャネルアキシャルアテンション(CAA)を提案し、チャネルアテンションと軸アテンションをシームレスに統合し、計算複雑性を低減します。 私たちのCAAは、DANetのような他の注意モデルに比べて計算リソースをはるかに少なくするだけでなく、すべての検証済みデータセット上で最先端のResNet-101ベースのセグメンテーションモデルよりも優れています。
  論文  参考訳（メタデータ） (2021-01-19T03:08:03Z)
• End-to-end Learning for OFDM: From Neural Receivers to Pilotless Communication [12.325545487629297]
  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。
  論文  参考訳（メタデータ） (2020-09-11T07:33:00Z)
• Channel Estimation for RIS-Empowered Multi-User MISO Wireless Communications [35.207416803526876]
  基地局とRIS間のチャネルに対する2つの反復推定アルゴリズムを提案する。 1つは交互最小二乗法(ALS)に基づいており、もう1つはベクトル近似メッセージを使って2つの未知のチャネルを反復的に再構築する。 また、推定チャネルと基地局の異なるプリコーディング方式を用いて、ダウンリンク達成可能な総和率についても論じる。
  論文  参考訳（メタデータ） (2020-08-04T10:53:51Z)
• Toward fast and accurate human pose estimation via soft-gated skip connections [97.06882200076096]
  本稿では,高精度かつ高効率な人間のポーズ推定について述べる。 我々は、最先端技術よりも精度と効率を両立させる文脈において、この設計選択を再分析する。 本モデルでは,MPII と LSP のデータセットから最先端の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-25T18:51:51Z)

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。