論文の概要: Distributed Conditional Generative Adversarial Networks (GANs) for
Data-Driven Millimeter Wave Communications in UAV Networks
- arxiv url: http://arxiv.org/abs/2102.01751v1
- Date: Tue, 2 Feb 2021 20:56:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-04 18:42:31.325900
- Title: Distributed Conditional Generative Adversarial Networks (GANs) for
Data-Driven Millimeter Wave Communications in UAV Networks
- Title（参考訳）: UAVネットワークにおけるデータ駆動ミリ波通信のための分散条件付き汎用ネットワーク(GAN)
- Authors: Qianqian Zhang, Aidin Ferdowsi, Walid Saad, Mehdi Bennis
- Abstract要約: 無人航空機(UAV)無線ネットワークにおけるミリ波(mmWave)通信のための,データ駆動型空対地(A2G)チャネル推定手法を提案する。
実効的なチャネル推定手法を開発し、各UAVは、各ビームフォーミング方向に沿って条件付き生成対向ネットワーク(CGAN)を介してスタンドアロンチャネルモデルを訓練することができる。
分散CGANアーキテクチャに基づく協調的なフレームワークを開発し、各UAVがmmWaveチャネルの分布を協調的に学習できるようにする。
- 参考スコア（独自算出の注目度）: 116.94802388688653
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, a novel framework is proposed to perform data-driven
air-to-ground (A2G) channel estimation for millimeter wave (mmWave)
communications in an unmanned aerial vehicle (UAV) wireless network. First, an
effective channel estimation approach is developed to collect mmWave channel
information, allowing each UAV to train a stand-alone channel model via a
conditional generative adversarial network (CGAN) along each beamforming
direction. Next, in order to expand the application scenarios of the trained
channel model into a broader spatial-temporal domain, a cooperative framework,
based on a distributed CGAN architecture, is developed, allowing each UAV to
collaboratively learn the mmWave channel distribution in a fully-distributed
manner. To guarantee an efficient learning process, necessary and sufficient
conditions for the optimal UAV network topology that maximizes the learning
rate for cooperative channel modeling are derived, and the optimal CGAN
learning solution per UAV is subsequently characterized, based on the
distributed network structure. Simulation results show that the proposed
distributed CGAN approach is robust to the local training error at each UAV.
Meanwhile, a larger airborne network size requires more communication resources
per UAV to guarantee an efficient learning rate. The results also show that,
compared with a stand-alone CGAN without information sharing and two other
distributed schemes, namely: A multi-discriminator CGAN and a federated CGAN
method, the proposed distributed CGAN approach yields a higher modeling
accuracy while learning the environment, and it achieves a larger average data
rate in the online performance of UAV downlink mmWave communications.
- Abstract（参考訳）: 本稿では,無人航空機(UAV)無線ネットワークにおけるミリ波(mmWave)通信のためのデータ駆動型空対地(A2G)チャネル推定手法を提案する。
まず,ミリ波チャネル情報収集に有効なチャネル推定手法を開発し,各UAVは,各ビームフォーミング方向に沿って,条件付き生成対向ネットワーク(CGAN)を介してスタンドアロンチャネルモデルを訓練することができる。
次に、訓練されたチャネルモデルのアプリケーションシナリオをより広い空間時間領域に拡張するために、分散CGANアーキテクチャに基づく協調フレームワークが開発され、各UAVが完全に分散された方法でmmWaveチャネル分布を共同で学ぶことができる。
効率的な学習プロセスを保証するために、協調チャネルモデリングの学習率を最大化する最適なUAVネットワークトポロジーに必要な十分な条件を導出し、その後、分散ネットワーク構造に基づいて、UAV毎の最適CGAN学習ソリューションを特徴付ける。
シミュレーションの結果,提案手法は各uavの局所的トレーニング誤差に頑健であることが判明した。
一方、より大きな空飛ぶネットワークサイズでは、効率的な学習率を保証するために、UAV当たりの通信資源がより多く必要となる。
また,情報共有のないスタンドアローンCGANや,他の2つの分散スキーム,すなわち多識別器CGANとフェデレートCGAN法と比較して,提案手法は,環境学習中に高いモデリング精度を示し,UAVダウンリンクmmWave通信のオンライン性能においてより高い平均データレートを達成することを示す。
関連論文リスト
- SINR-Aware Deep Reinforcement Learning for Distributed Dynamic Channel
Allocation in Cognitive Interference Networks [10.514231683620517]
本稿では,複数の大規模ネットワークによるキャリヤ間干渉(ICI)とチャネル再利用を経験する実世界のシステムに焦点を当てる。
CARLTON(Channel Allocation RL To Overlapped Networks)と呼ばれる分散DCAのための新しいマルチエージェント強化学習フレームワークを提案する。
本結果は,従来の最先端手法に比べて優れた効率性を示し,優れた性能とロバストな一般化を示した。
論文 参考訳（メタデータ） (2024-02-17T20:03:02Z) - Over-the-Air Federated Learning and Optimization [52.5188988624998]
エッジ・ザ・エア計算(AirComp)によるフェデレーション学習(FL)に焦点を当てる。
本稿では,AirComp ベースの FedAvg (AirFedAvg) アルゴリズムの凸および非凸条件下での収束について述べる。
エッジデバイス(モデル、勾配、モデル差など)で送信できるローカルアップデートの種類によって、AirFedAvgで送信するとアグリゲーションエラーが発生する可能性がある。
さらに、より実用的な信号処理方式を検討し、通信効率を改善し、これらの信号処理方式によって引き起こされるモデル集約誤差の異なる形式に収束解析を拡張する。
論文 参考訳（メタデータ） (2023-10-16T05:49:28Z) - A Federated Channel Modeling System using Generative Neural Networks [8.424767096311928]
本研究では,無人航空機におけるミリ波無線ネットワークにおける空対地チャネル推定のためのデータ駆動方式を提案する。
我々は、チャネル推定にフェデレートラーニング(FL)を用い、低高度プラットフォームと地上端末との間の空対地経路損失を予測する。
提案モデルの有効性を評価するため,Kullback-Leibler divergence (KL) と,モデルが生成した合成データ分布と実際のデータ分布とのワッサーシュタイン距離を用いて,その性能を評価する。
論文 参考訳（メタデータ） (2023-05-30T08:50:22Z) - Decentralized Learning over Wireless Networks: The Effect of Broadcast
with Random Access [56.91063444859008]
本稿では,D-SGDのコンバージェンス性能に及ぼす放送送信と確率的ランダムアクセスポリシーの影響について検討する。
この結果から,アクセス確率を最適化し,期待されるリンク数の最大化が,システム収束を加速するための極めて効果的な戦略であることが示唆された。
論文 参考訳（メタデータ） (2023-05-12T10:32:26Z) - Over-the-Air Design of GAN Training for mmWave MIMO Channel Estimation [35.62977046569772]
我々は,ノイズを受信したパイロット測度を利用して深層生成モデルの訓練を行う,教師なしオーバー・ザ・エア(OTA)アルゴリズムを開発した。
次に、逆問題として、限られた数のパイロット測定値からチャネル推定を定式化する。
提案するフレームワークは,実雑音のパイロット測定を用いてオンライントレーニングを行うことが可能である。
論文 参考訳（メタデータ） (2022-05-25T02:26:34Z) - Multi-task Learning Approach for Modulation and Wireless Signal
Classification for 5G and Beyond: Edge Deployment via Model Compression [1.218340575383456]
将来的な通信網は、異種無線デバイスの成長に対応するために、少ないスペクトルに対処する必要がある。
我々は、深層ニューラルネットワークに基づくマルチタスク学習フレームワークの可能性を利用して、変調と信号分類タスクを同時に学習する。
公共利用のための包括的ヘテロジニアス無線信号データセットを提供する。
論文 参考訳（メタデータ） (2022-02-26T14:51:02Z) - 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) - Distributed CNN Inference on Resource-Constrained UAVs for Surveillance
Systems: Design and Optimization [43.9909417652678]
無人航空機(UAV)は、広い地域をカバーし、困難で危険な目標地域にアクセスする能力のため、ここ数年で大きな関心を集めている。
コンピュータビジョンと機械学習の進歩により、UAVは幅広いソリューションやアプリケーションに採用されている。
ディープニューラルネットワーク(DNN)は、それらがオンボードで実行されるのを防ぐ、より深く複雑なモデルに向かって進んでいる。
論文 参考訳（メタデータ） (2021-05-23T20:19:43Z) - Distributional Reinforcement Learning for mmWave Communications with
Intelligent Reflectors on a UAV [119.97450366894718]
無人航空機(UAV)搭載のインテリジェントリフレクタ(IR)を用いた新しい通信フレームワークを提案する。
ダウンリンク和率を最大化するために、最適プリコーディング行列(基地局)と反射係数(IR)を共同で導出する。
論文 参考訳（メタデータ） (2020-11-03T16:50:37Z) - Federated Learning in the Sky: Joint Power Allocation and Scheduling
with UAV Swarms [98.78553146823829]
無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。
本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-02-19T14:04:01Z)
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。