Fugu-MT 論文翻訳(概要): Learning based signal detection for MIMO systems with unknown noise statistics

論文の概要: Learning based signal detection for MIMO systems with unknown noise statistics

arxiv url: http://arxiv.org/abs/2101.08435v1
Date: Thu, 21 Jan 2021 04:48:15 GMT
ステータス: 処理完了
システム内更新日: 2021-03-21 22:18:27.926066
Title: Learning based signal detection for MIMO systems with unknown noise statistics
Title（参考訳）: 未知雑音統計を用いたMIMOシステムの学習に基づく信号検出
Authors: Ke He, Le He, Lisheng Fan, Yansha Deng, George K. Karagiannidis, and Arumugam Nallanathan
Abstract要約: 本論文では,未知のノイズ統計による信号を堅牢に検出する一般化最大確率(ML)推定器を考案する。実際には、システムノイズに関する統計的な知識はほとんどなく、場合によっては非ガウス的であり、衝動的であり、分析不可能である。我々のフレームワークは、ノイズサンプルのみを必要とする教師なしの学習アプローチによって駆動される。
参考スコア（独自算出の注目度）: 84.02122699723536
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper aims to devise a generalized maximum likelihood (ML) estimator to robustly detect signals with unknown noise statistics in multiple-input multiple-output (MIMO) systems. In practice, there is little or even no statistical knowledge on the system noise, which in many cases is non-Gaussian, impulsive and not analyzable. Existing detection methods have mainly focused on specific noise models, which are not robust enough with unknown noise statistics. To tackle this issue, we propose a novel ML detection framework to effectively recover the desired signal. Our framework is a fully probabilistic one that can efficiently approximate the unknown noise distribution through a normalizing flow. Importantly, this framework is driven by an unsupervised learning approach, where only the noise samples are required. To reduce the computational complexity, we further present a low-complexity version of the framework, by utilizing an initial estimation to reduce the search space. Simulation results show that our framework outperforms other existing algorithms in terms of bit error rate (BER) in non-analytical noise environments, while it can reach the ML performance bound in analytical noise environments. The code of this paper is available at https://github.com/skypitcher/ manfe.
Abstract（参考訳）: 本稿では,Multiple-input multiple-output (MIMO)システムにおいて,未知の雑音統計を持つ信号を頑健に検出する一般化最大度推定器を提案する。実際には、システムノイズに関する統計的知識はほとんど、あるいは全く存在せず、多くの場合、非ガウス的であり、衝動的であり分析不可能である。既存の検出手法は主に特定のノイズモデルに焦点を合わせており、未知のノイズ統計量では十分に堅牢ではない。この問題に対処するために,所望の信号を効果的に回復する新しいML検出フレームワークを提案する。我々のフレームワークは、正規化フローを通して未知の雑音分布を効率的に近似できる完全確率的手法である。重要なことに、このフレームワークは、ノイズサンプルのみを必要とする教師なし学習アプローチによって駆動される。計算複雑性を低減するために,初期推定を利用して探索空間を小さくすることで,低複雑さのフレームワークを提案する。シミュレーションの結果,本フレームワークは非解析ノイズ環境でのビット誤り率(BER)で他の既存アルゴリズムよりも優れており,解析ノイズ環境でのML性能に到達できることがわかった。この論文のコードはhttps://github.com/skypitcher/ manfe.comで入手できる。
全文参考訳へのリンク