論文の概要: Aggregated Network for Massive MIMO CSI Feedback

• arxiv url: http://arxiv.org/abs/2101.06618v1
• Date: Sun, 17 Jan 2021 08:19:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-27 20:13:34.077879
• Title: Aggregated Network for Massive MIMO CSI Feedback
• Title（参考訳）: 大規模MIMO CSIフィードバックのための集約ネットワーク
• Authors: Zhilin Lu, Hongyi He, Zhengyang Duan, Jintao Wang, Jian Song
• Abstract要約: ACRNetは、ネットワークアグリゲーションとパラメトリックなRuLUアクティベーションによってフィードバック性能を向上させるように設計されている。 実験では、ACRNetは追加情報なしで、以前の最先端のフィードバックネットワークの負荷を上回ります。
• 参考スコア（独自算出の注目度）: 18.04633171156304
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In frequency division duplexing (FDD) mode, it is necessary to send the channel state information (CSI) from user equipment to base station. The downlink CSI is essential for the massive multiple-input multiple-output (MIMO) system to acquire the potential gain. Recently, deep learning is widely adopted to massive MIMO CSI feedback task and proved to be effective compared with traditional compressed sensing methods. In this paper, a novel network named ACRNet is designed to boost the feedback performance with network aggregation and parametric RuLU activation. Moreover, valid approach to expand the network architecture in exchange of better performance is first discussed in CSI feedback task. Experiments show that ACRNet outperforms loads of previous state-of-the-art feedback networks without any extra information.
• Abstract（参考訳）: 周波数分割二重化(FDD)モードでは、ユーザ機器から基地局にチャネル状態情報(CSI)を送信する必要がある。 ダウンリンクcsiは、大量多入力多重出力(mimo)システムが潜在的なゲインを取得するために必須である。 近年,MIMO CSIフィードバックタスクにはディープラーニングが広く採用されており,従来の圧縮センシング手法と比較して有効であることが証明されている。 本稿では,ネットワークアグリゲーションとパラメトリックRuLUアクティベーションによるフィードバック性能の向上を目的として,ACRNetという新しいネットワークを設計する。 さらに,CSIフィードバックタスクにおいて,ネットワークアーキテクチャを性能向上と引き換えに拡張する有効な手法について論じる。 実験の結果、ACRNetは過去の最先端フィードバックネットワークの負荷を余分な情報なしで上回ることがわかった。

関連論文リスト

• A Low-Overhead Incorporation-Extrapolation based Few-Shot CSI Feedback Framework for Massive MIMO Systems [45.22132581755417]
  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)システムにおけるダウンリンクプリコーディングには、正確なチャネル状態情報(CSI)が不可欠である。 しかし,アンテナやサブキャリアの規模が大きくなると,ユーザ機器(UE)からのフィードバックによるCSI取得が困難になる。 CSIを圧縮するために深層学習に基づく手法が登場したが、これらの方法はかなりの収集サンプルを必要とする。 既存のディープラーニング手法は、フル次元のCSIフィードバックに重点を置いているため、フィードバックオーバーヘッドが劇的に増加することにも悩まされる。 低オーバーヘッド抽出に基づくFew-Shot CSIを提案する。
  論文  参考訳（メタデータ） (2023-12-07T06:01:47Z)
• 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)
• 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)
• Overview of Deep Learning-based CSI Feedback in Massive MIMO Systems [77.0986534024972]
  ディープラーニング(DL)ベースのCSIフィードバックは、DLベースのオートエンコーダによるCSI圧縮と再構築を指し、フィードバックオーバーヘッドを大幅に削減することができる。 その焦点は、CSIフィードバックの正確性を改善するために、新しいニューラルネットワークアーキテクチャとコミュニケーション専門家の知識の利用である。
  論文  参考訳（メタデータ） (2022-06-29T03:28:57Z)
• Deep Learning for 1-Bit Compressed Sensing-based Superimposed CSI Feedback [2.6831842796906393]
  本稿では,1ビット圧縮されたセンサによる重畳されたCSIフィードバックを改善するためのディープラーニング方式を提案する。 提案方式は,UL-USとダウンリンクCSIの回復精度を低処理遅延で向上する。
  論文  参考訳（メタデータ） (2022-03-13T09:33:53Z)
• CSI Feedback with Model-Driven Deep Learning of Massive MIMO Systems [0.0]
  モデル駆動深層学習に基づく2段階低ランクCSIフィードバック方式を提案する。 さらに、より効率的なCSIフィードバックを実現するために、高速反復収縮しきい値アルゴリズム(FISTA)を展開させることにより、FISTA-Netというディープ反復ニューラルネットワークを設計する。
  論文  参考訳（メタデータ） (2021-12-13T03:50:43Z)
• Deep Learning-based Implicit CSI Feedback in Massive MIMO [68.81204537021821]
  ニューラルネットワーク(NN)を用いて,プリコーディング行列インジケータ(PMI)符号化とデコードモジュールを置き換える,低オーバヘッド特性を継承するDLベースの暗黙的フィードバックアーキテクチャを提案する。 1つのリソースブロック(RB)では、2つのアンテナ構成下のタイプIコードブックと比較して25.0%と40.0%のオーバーヘッドを節約できる。
  論文  参考訳（メタデータ） (2021-05-21T02:43:02Z)
• Binarized Aggregated Network with Quantization: Flexible Deep Learning Deployment for CSI Feedback in Massive MIMO System [22.068682756598914]
  アグリゲートチャネル再構築ネットワーク(ACRNet)と呼ばれる新しいネットワークは、フィードバックパフォーマンスを高めるように設計されています。 異なる資源制約を満たすために,ネットワークを柔軟に適応させる弾性フィードバック方式を提案する。 実験の結果、提案したACRNetは従来の最先端ネットワークの負荷よりも優れていた。
  論文  参考訳（メタデータ） (2021-05-01T22:50:25Z)
• A Markovian Model-Driven Deep Learning Framework for Massive MIMO CSI Feedback [32.442094263278605]
  前向きチャネル状態情報(CSI)は、MIMO(Multiple-input multiple-output)通信システムにおける送信最適化において重要な役割を果たす。 リカレントニューラルネットワーク(RNN)の使用に関する最近の研究は、計算とメモリのコストは高いが、強い確証を示している。 本研究では,フィードバック効率を大幅に向上させるために,チャネルコヒーレンスを時間内に活用する。
  論文  参考訳（メタデータ） (2020-09-20T16:26:12Z)
• Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral Super-Resolution [79.97180849505294]
  本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。 3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
  論文  参考訳（メタデータ） (2020-07-10T08:08:20Z)

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。