論文の概要: Similarity-based prediction for channel mapping and user positioning

• arxiv url: http://arxiv.org/abs/2101.05217v2
• Date: Thu, 14 Jan 2021 07:35:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-25 03:41:22.495678
• Title: Similarity-based prediction for channel mapping and user positioning
• Title（参考訳）: 類似度に基づくチャネルマッピングとユーザポジショニングの予測
• Authors: Luc Le Magoarou (IRT b-com, Hypermedia)
• Abstract要約: 無線ネットワークでは、アップリンクチャネル測定のみに基づくモバイルユーザーの情報収集が興味深い課題である。 本稿では,これらのタスクを統一的に処理する教師あり機械学習手法を提案する。 これは、ベースステーションが操作中に簡単に取得できるラベル付きデータベースに依存している。
• 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: In a wireless network, gathering information at the base station about mobile users based only on uplink channel measurements is an interesting challenge. Indeed, accessing the users locations and predicting their downlink channels would be particularly useful in order to optimize the network efficiency. In this paper, a supervised machine learning approach addressing these tasks in an unified way is proposed. It relies on a labeled database that can be acquired in a simple way by the base station while operating. The proposed regression method can be seen as a computationally efficient two layers neural network initialized with a non-parametric estimator. It is illustrated on realistic channel data, both for the positioning and channel mapping tasks, achieving better results than previously proposed approaches, at a lower cost.
• Abstract（参考訳）: 無線ネットワークでは,アップリンクチャネル計測のみに基づく移動体ユーザの基地局での情報収集が興味深い課題である。 実際、ユーザのロケーションへのアクセスとダウンリンクチャネルの予測は、ネットワーク効率を最適化するために特に有用でしょう。 本稿では,これらのタスクを統一的に処理する教師あり機械学習手法を提案する。 これは、ベースステーションが操作中に簡単に取得できるラベル付きデータベースに依存している。 提案手法は,非パラメトリック推定器で初期化した計算効率の良い2層ニューラルネットワークである。 位置決めとチャネルマッピングのタスクの両方において、現実的なチャネルデータで示され、以前提案されていたアプローチよりも低いコストでより良い結果が得られる。

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)
• Low Complexity Channel estimation with Neural Network Solutions [1.0499453838486013]
  我々は、ダウンリンクシナリオでチャネル推定を実現するために、一般的な残差畳み込みニューラルネットワークをデプロイする。 チャネル推定における他のディープラーニング手法と比較して,平均二乗誤差計算の改善が示唆された。
  論文  参考訳（メタデータ） (2022-01-24T19:55:10Z)
• Deep learning for location based beamforming with NLOS channels [0.0]
  ユーザの位置情報のみの知識から適切なプリコーダを決定する方法を提案する。 提案手法は,位置からプリコーダへの直接マッピングを教師付き方式で学習する。 従来提案されていた手法とは対照的に、LOS(line-of-sight)チャネルとNLOS(non-line-of-ight)チャネルの両方を扱える。
  論文  参考訳（メタデータ） (2021-12-29T07:12:12Z)
• 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)
• Unsupervised Domain-adaptive Hash for Networks [81.49184987430333]
  ドメイン適応型ハッシュ学習はコンピュータビジョンコミュニティでかなりの成功を収めた。 UDAHと呼ばれるネットワークのための教師なしドメイン適応型ハッシュ学習手法を開発した。
  論文  参考訳（メタデータ） (2021-08-20T12:09:38Z)
• Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
  そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。 推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。 提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
  論文  参考訳（メタデータ） (2021-07-27T06:57:56Z)
• Efficient channel charting via phase-insensitive distance computation [0.0]
  チャネルチャートは、得られた表現が対応するユーザーの相対的な空間的位置を反映するようにチャネルをエンコードすることを目的とする教師なしの学習タスクです。 本稿では,小型フェーディングの効果を低減すべく特別に設計された距離尺度に基づいて,チャネルチャート法を提案する。 次に, 局所距離(アイソマップ)の保存を目的とした非線形次元減少手法を適用し, 実際にチャネル表現を得る。
  論文  参考訳（メタデータ） (2021-04-27T13:42:18Z)
• Operation-Aware Soft Channel Pruning using Differentiable Masks [51.04085547997066]
  本稿では,データ駆動型アルゴリズムを提案する。このアルゴリズムは,操作特性を利用して,ディープニューラルネットワークを異なる方法で圧縮する。 我々は大規模な実験を行い、出力ネットワークの精度で優れた性能を達成する。
  論文  参考訳（メタデータ） (2020-07-08T07:44:00Z)
• Coordinates-based Resource Allocation Through Supervised Machine Learning [14.014514995022182]
  教師付き機械学習技術を用いた座標に基づく資源配分手法を提案する。 提案手法は,4秒のトレーニング時間しか必要とせず,現実的なシステムシミュレーションと一貫して機能する。
  論文  参考訳（メタデータ） (2020-05-13T18:33:23Z)
• Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
  本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。 標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2020-04-06T15:51:00Z)

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。