論文の概要: On Single-User Interactive Beam Alignment in Next Generation Systems: A
Deep Learning Viewpoint
- arxiv url: http://arxiv.org/abs/2102.10229v1
- Date: Sat, 20 Feb 2021 02:15:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-23 14:35:04.060260
- Title: On Single-User Interactive Beam Alignment in Next Generation Systems: A
Deep Learning Viewpoint
- Title（参考訳）: 次世代システムにおけるシングルユーザ対話型ビームアライメントについて:ディープラーニングの視点から
- Authors: Abbas Khalili and Sundeep Rangan and Elza Erkip
- Abstract要約: ミリ波やテラヘルツなどの高周波での通信は、高い経路損失と激しい影に苦しんでいます。
ビームアライメント戦略は、これらのチャネルクラスタの方向を見つけ、データ伝送に使用されるビームの幅を調整するために用いられる。
- 参考スコア（独自算出の注目度）: 32.02074315139823
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Communication in high frequencies such as millimeter wave and terahertz
suffer from high path-loss and intense shadowing which necessitates beamforming
for reliable data transmission. On the other hand, at high frequencies the
channels are sparse and consist of few spatial clusters. Therefore, beam
alignment (BA) strategies are used to find the direction of these channel
clusters and adjust the width of the beam used for data transmission. In this
work, a single-user uplink scenario where the channel has one dominant cluster
is considered. It is assumed that the user transmits a set of BA packets over a
fixed duration. Meanwhile, the base-station (BS) uses different probing beams
to scan different angular regions. Since the BS measurements are noisy, it is
not possible to find a narrow beam that includes the angle of arrival (AoA) of
the user with probability one. Therefore, the BS allocates a narrow beam to the
user which includes the AoA of the user with a predetermined error probability
while minimizing the expected beamwidth of the allocated beam. Due to
intractability of this noisy BA problem, here this problem is posed as an
end-to-end optimization of a deep neural network (DNN) and effects of different
loss functions are discussed and investigated. It is observed that the proposed
DNN based BA, at high SNRs, achieves a performance close to that of the optimal
BA when there is no-noise and for all SNRs, outperforms state-of-the-art.
- Abstract（参考訳）: ミリ波やテラヘルツなどの高周波での通信は、高い経路損失と強い影に悩まされ、信頼できるデータ伝送のためにビームフォーミングが必要です。
一方、高周波ではチャンネルは狭く、いくつかの空間クラスターで構成されています。
したがって、ビームアライメント(ba)戦略は、これらのチャネルクラスタの方向を見つけ、データ伝送に使用するビームの幅を調整するために使用される。
本研究では,チャネルが1つの支配的クラスタを持つ単一ユーザアップリンクシナリオを検討する。
ユーザが一定期間にわたって一連のbaパケットを送信すると仮定される。
一方、ベースステーション(bs)は異なるプローブビームを使用して異なる角度領域をスキャンする。
BS測定はノイズが多いため、確率1のユーザの到着角度(AoA)を含む狭いビームを見つけることはできません。
従って、BSは、割り当てられたビームの期待ビーム幅を最小化しつつ、ユーザのAoAを含むユーザに対して所定のエラー確率で狭ビームを割り当てる。
このノイズの少ないba問題の難解性から,この問題をディープニューラルネットワーク(dnn)のエンドツーエンド最適化として提案し,異なる損失関数の影響について検討した。
提案したDNNベースBAは、高SNRにおいて、ノイズのないときやすべてのSNRに対して、最適BAに近い性能を達成し、最先端性能を上回ることが観察された。
関連論文リスト
- TBSN: Transformer-Based Blind-Spot Network for Self-Supervised Image Denoising [94.09442506816724]
BSN(Blind-spot Network)は、自己教師型イメージデノベーション(SSID)において一般的なネットワークアーキテクチャである。
本稿では, ブラインドスポット要求を満たす変圧器演算子の解析と再設計により, 変圧器ベースブラインドスポットネットワーク(TBSN)を提案する。
空間的自己注意のために、注意行列に精巧なマスクを適用して受容場を制限し、拡張された畳み込みを模倣する。
チャネル自己アテンションについては,マルチスケールアーキテクチャの深層部において,チャネル数が空間的サイズよりも大きい場合,盲点情報を漏洩する可能性がある。
論文 参考訳（メタデータ） (2024-04-11T15:39:10Z) - Deep Learning and Image Super-Resolution-Guided Beam and Power
Allocation for mmWave Networks [80.37827344656048]
我々は,ミリ波(mmWave)ネットワークのためのディープラーニング(DL)誘導ハイブリッドビームとパワーアロケーションアプローチを開発した。
教師付き学習と超解像技術の相乗効果を利用して、低オーバヘッドビームとパワーアロケーションを実現する。
論文 参考訳（メタデータ） (2023-05-08T05:40:54Z) - UB3: Best Beam Identification in Millimeter Wave Systems via Pure
Exploration Unimodal Bandits [7.253481390411171]
本研究では,受信したビームの信号強度の一様構造を利用して,最適なビームを有限時間で識別するアルゴリズムを開発した。
我々のアルゴリズムは、Unimodal Bandit for Best Beam (UB3) と名付けられ、数ラウンドで高い確率で最適なビームを識別する。
論文 参考訳（メタデータ） (2022-12-26T09:24:22Z) - Fast Beam Alignment via Pure Exploration in Multi-armed Bandits [91.11360914335384]
我々は,ミリ波通信におけるBAレイテンシを低減するために,帯域幅に基づく高速BAアルゴリズムを開発した。
我々のアルゴリズムは2相ヘテロセダスティックトラック・アンド・ストップ (2PHT&S) と呼ばれる。
論文 参考訳（メタデータ） (2022-10-23T05:57:39Z) - Bayesian Optimization-Based Beam Alignment for MmWave MIMO Communication
Systems [1.7467279441152421]
ビームアライメント(BA)はミリ波通信(mmWave)における重要な問題である
機械学習戦略,ベイズ最適化(BO)に基づく新しいビームアライメント方式を提案する。
本研究では,ビームアライメント問題をブラックボックス関数とみなし,BOを用いて最適ビーム対を求める。
論文 参考訳（メタデータ） (2022-07-28T15:37:49Z) - Federated Learning for THz Channel Estimation [44.058714794775995]
本稿では, テラヘルツ (THz) チャネル推定における2つの大きな課題, ビーム分割現象と計算複雑性について述べる。
データ駆動技術は、この問題の複雑さを軽減するために知られていますが、通常、ユーザーから中央サーバーへのデータセットの送信が必要です。
本研究では,データセット全体ではなく,モデルパラメータのみを送信するフェデレートラーニング(FL)を採用している。
論文 参考訳（メタデータ） (2022-07-13T07:57:25Z) - Adversarial Attacks on Deep Learning Based mmWave Beam Prediction in 5G
and Beyond [46.34482158291128]
ディープニューラルネットワーク(DNN)は、受信信号強度(RSS)を用いて各UEに最もスランシングされたビームを、可能な狭いビームのサブセットから予測することができる。
そこで本稿では,DNN への入力として,航空機上で捕獲した RSS を操作するための摂動を発生させることにより,敵攻撃を提案する。
この攻撃によりIA性能が大幅に低下し、DNNはガウスや均一なノイズで攻撃を妨害するよりも小さなRSSのビームを選択することにだまされる。
論文 参考訳（メタデータ） (2021-03-25T17:25:21Z) - Deep Networks for Direction-of-Arrival Estimation in Low SNR [89.45026632977456]
我々は,真の配列多様体行列の変異チャネルデータから学習した畳み込みニューラルネットワーク(CNN)を導入する。
我々は低SNR体制でCNNを訓練し、すべてのSNRでDoAを予測する。
私たちの堅牢なソリューションは、ワイヤレスアレイセンサーから音響マイクロフォンやソナーまで、いくつかの分野に適用できます。
論文 参考訳（メタデータ） (2020-11-17T12:52:18Z) - Learning to Beamform in Heterogeneous Massive MIMO Networks [48.62625893368218]
大規模マルチインプット多重出力(MIMO)ネットワークにおいて最適なビームフォーマを見つけることはよく知られている問題である。
本稿では,この問題に対処するための新しい深層学習に基づく論文アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-11-08T12:48:06Z) - Beamforming Learning for mmWave Communication: Theory and Experimental
Validation [23.17604790640996]
本稿では,最小ビームフォーミングゲインを保証しながら,探索時間を短縮し,CSIを必要としないビーム設計手法を提案する。
提案手法の有効性を,実生活計測によるコードブックの構築と性能評価の観点から評価する。
論文 参考訳（メタデータ） (2019-12-28T05:46:39Z)
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。