論文の概要: CLNet: Complex Input Lightweight Neural Network designed for Massive MIMO CSI Feedback

• arxiv url: http://arxiv.org/abs/2102.07507v3
• Date: Fri, 28 Apr 2023 15:10:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-01 18:07:45.311826
• Title: CLNet: Complex Input Lightweight Neural Network designed for Massive MIMO CSI Feedback
• Title（参考訳）: clnet:大規模mimo csiフィードバックのための複雑な入力軽量ニューラルネットワーク
• Authors: Sijie Ji, Mo Li
• Abstract要約: 本稿では,CSIの固有特性に基づくCSIフィードバック問題に適したニューラルネットワークCLNetを提案する。 実験の結果,CLNetは室内・屋外のシナリオで平均5.41%の精度向上により最先端の手法よりも優れていた。
• 参考スコア（独自算出の注目度）: 7.63185216082836
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unleashing the full potential of massive MIMO in FDD mode by reducing the overhead of CSI feedback has recently garnered attention. Numerous deep learning for massive MIMO CSI feedback approaches have demonstrated their efficiency and potential. However, most existing methods improve accuracy at the cost of computational complexity and the accuracy decreases significantly as the CSI compression rate increases. This paper presents a novel neural network CLNet tailored for CSI feedback problem based on the intrinsic properties of CSI. CLNet proposes a forge complex-valued input layer to process signals and utilizes attention mechanism to enhance the performance of the network. The experiment result shows that CLNet outperforms the state-of-the-art method by average accuracy improvement of 5.41\% in both outdoor and indoor scenarios with average 24.1\% less computational overhead. Codes for deep learning-based CSI feedback CLNet are available at GitHub.
• Abstract（参考訳）: CSIフィードバックのオーバーヘッドを減らして、FDDモードでMIMOを最大限に活用する可能性が最近注目を集めている。 大規模なMIMO CSIフィードバックアプローチのための多くのディープラーニングは、その効率性と可能性を示している。 しかし、既存のほとんどの手法は計算複雑性のコストで精度を向上し、CSI圧縮率の増加とともに精度が大幅に低下する。 本稿では,CSIの固有特性に基づくCSIフィードバック問題に適したニューラルネットワークCLNetを提案する。 CLNetは、信号処理のための複雑な複雑な入力層を提案し、注意機構を利用してネットワークの性能を向上させる。 実験の結果、CLNetは、平均計算オーバーヘッドを24.1倍に抑えながら、屋外および屋内の両方のシナリオにおいて平均精度5.41倍の精度向上により最先端の手法よりも優れていた。 ディープラーニングベースのcsiフィードバックclnetのコードは、githubで入手できる。

関連論文リスト

• RSCNet: Dynamic CSI Compression for Cloud-based WiFi Sensing [9.34104644481967]
  本稿では,圧縮CSIによるセンシングを可能にする新しいリアルタイムセンシング・圧縮ネットワーク(RSCNet)を提案する。 RSCNetは、CSI圧縮とセンシング精度のトレードオフをバランスさせ、通信コストを削減し、リアルタイムクラウドベースのWiFiセンシングを合理化する。 数値的な発見は、SenseFiのような既存のベンチマークよりもRCCNetが向上していることを示し、最小のCSI再構成誤差で97.4%の感度の精度を示した。
  論文  参考訳（メタデータ） (2024-01-19T20:30:23Z)
• 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)
• Attention-based Feature Compression for CNN Inference Offloading in Edge Computing [93.67044879636093]
  本稿では,デバイスエッジ共振器におけるCNN推論の計算負荷について検討する。 エンドデバイスにおける効率的な特徴抽出のための新しいオートエンコーダベースのCNNアーキテクチャ(AECNN)を提案する。 実験の結果、AECNNは中間データを約4%の精度で256倍圧縮できることがわかった。
  論文  参考訳（メタデータ） (2022-11-24T18:10:01Z)
• Enhancing Deep Learning Performance of Massive MIMO CSI Feedback [7.63185216082836]
  我々は,深層学習に基づくMIMO(Massive multiple-input multiple-output)CSIフィードバックアプローチを強化するために,JPTS(JPTS)を利用したジグソーパズルを提案する。 実験結果から, 室内環境および屋外環境において, 精度を平均12.07%, 7.01%向上させることができることがわかった。
  論文  参考訳（メタデータ） (2022-08-24T07:08:31Z)
• 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)
• SAR Despeckling Using Overcomplete Convolutional Networks [53.99620005035804]
  スペックルはSAR画像を劣化させるため、リモートセンシングにおいて重要な問題である。 近年の研究では、畳み込みニューラルネットワーク(CNN)が古典的解法よりも優れていることが示されている。 本研究は、受容場を制限することで低レベルの特徴を学習することに集中するために、過剰なCNNアーキテクチャを用いる。 本稿では,合成および実SAR画像の非特定化手法と比較して,提案手法により非特定化性能が向上することを示す。
  論文  参考訳（メタデータ） (2022-05-31T15:55:37Z)
• 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)
• Aggregated Network for Massive MIMO CSI Feedback [18.04633171156304]
  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。
  論文  参考訳（メタデータ） (2021-01-17T08:19:40Z)
• AttendNets: Tiny Deep Image Recognition Neural Networks for the Edge via Visual Attention Condensers [81.17461895644003]
  我々は、オンデバイス画像認識に適した、低精度でコンパクトなディープニューラルネットワークであるAttendNetsを紹介する。 AttendNetsは、視覚的注意の凝縮に基づく深い自己注意アーキテクチャを持っている。 その結果、AttendNetsは、いくつかのディープニューラルネットワークと比較して、アーキテクチャと計算の複雑さが著しく低いことが示された。
  論文  参考訳（メタデータ） (2020-09-30T01:53:17Z)
• 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)
• Deep Learning Assisted CSI Estimation for Joint URLLC and eMBB Resource Allocation [36.364156900974535]
  高速移動車載ネットワークにおける深層学習支援CSI推定手法を提案する。 我々は、車両用ユーザ機器の動的スライシングに基づくリソース割り当て問題を定式化し、解決する。
  論文  参考訳（メタデータ） (2020-03-12T10:00:08Z)

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。