Fugu-MT 論文翻訳(概要): SDR-based Testbed for Real-time CQI Prediction for URLLC

論文の概要: SDR-based Testbed for Real-time CQI Prediction for URLLC

arxiv url: http://arxiv.org/abs/2103.03572v1
Date: Fri, 5 Mar 2021 10:17:36 GMT
ステータス: 処理完了
システム内更新日: 2021-03-08 14:45:33.783760
Title: SDR-based Testbed for Real-time CQI Prediction for URLLC
Title（参考訳）: URLLCのリアルタイムCQI予測のためのSDRベーステストベッド
Authors: Kirill Glinskiy, Evgeny Khorov, Alexey Kureev
Abstract要約: 本稿では,ニューラルネットワークを用いたソフトウェア定義無線に基づくリアルタイムチャネル予測システムを提案する。この論文は、様々なモビリティシナリオにおける様々なチャネル予測アプローチを比較するために使用できるオープンチャネル計測データセットを記述し、共有する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Ultra-reliable Low-Latency Communication (URLLC) is a key feature of 5G systems. The quality of service (QoS) requirements imposed by URLLC are less than 10ms delay and less than $10^{-5}$ packet loss rate (PLR). To satisfy such strict requirements with minimal channel resource consumption, the devices need to accurately predict the channel quality and select Modulation and Coding Scheme (MCS) for URLLC in a proper way. This paper presents a novel real-time channel prediction system based on Software-Defined Radio that uses a neural network. The paper also describes and shares an open channel measurement dataset that can be used to compare various channel prediction approaches in different mobility scenarios in future research on URLLC
Abstract（参考訳）: 超信頼性低遅延通信(URLLC)は、5Gシステムの重要な特徴です。 URLLCによって課されるサービス(QoS)の条件の質は10msの遅れおよびより少しより少しより10^{-5}$のパケット損失率(PLR)です。このような厳しい要件を最小のチャネルリソース消費で満たすには、デバイスはチャネル品質を正確に予測し、適切な方法でURLLCの変調および符号化スキーム(MCS)を選択する必要があります。本稿では,ニューラルネットワークを用いたソフトウェア定義無線に基づくリアルタイムチャネル予測システムを提案する。また,今後のurllc研究において,様々な移動シナリオにおける様々なチャネル予測手法を比較するために使用できるオープンチャネル計測データセットについて記述し,共有する。

関連論文リスト

How Critical is Site-Specific RAN Optimization? 5G Open-RAN Uplink Air Interface Performance Test and Optimization from Macro-Cell CIR Data [0.6753334733130354]
我々は,特定の地点からのチャネル計測データの重要性と,その空気界面の最適化と試験への影響を考察する。我々は, NR PUSCHアップリンクシミュレーションにOmniPHY-5Gニューラルレシーバを利用する。提案手法は、事前学習と比較して1.85dBの低信号-雑音比(SNR)で10%のブロック誤り率(BLER)を達成する。
論文参考訳（メタデータ） (2024-10-25T13:57:48Z)
Guaranteed Dynamic Scheduling of Ultra-Reliable Low-Latency Traffic via Conformal Prediction [72.59079526765487]
アップリンクにおける超信頼性・低遅延トラフィック(URLLC)の動的スケジューリングは、既存のサービスの効率を大幅に向上させることができる。主な課題は、URLLCパケット生成のプロセスにおける不確実性である。本稿では,URLLC トラフィック予測器の品質に関わらず,信頼性と遅延を保証した新しい URLLC パケットスケジューラを提案する。
論文参考訳（メタデータ） (2023-02-15T14:09:55Z)
Channelformer: Attention based Neural Solution for Wireless Channel Estimation and Effective Online Training [1.0499453838486013]
本稿では,改良されたチャネル推定を実現するために,エンコーダ・デコーダニューラルアーキテクチャ(Channelformer)を提案する。我々は,復号器として,エンコーダと残差畳み込みニューラルアーキテクチャに多面的注意を払っている。また,現代通信システムにおける第5世代(5G)新しい無線(NR)構成に基づく効果的なオンライントレーニング手法を提案する。
論文参考訳（メタデータ） (2023-02-08T23:18:23Z)
A Study of Designing Compact Audio-Visual Wake Word Spotting System Based on Iterative Fine-Tuning in Neural Network Pruning [57.28467469709369]
視覚情報を利用した小型音声覚醒単語スポッティング(WWS)システムの設計について検討する。繰り返し微調整方式(LTH-IF)で抽選券仮説を通したニューラルネットワークプルーニング戦略を導入する。提案システムでは,ノイズ条件の異なる単一モード(オーディオのみ,ビデオのみ)システムに対して,大幅な性能向上を実現している。
論文参考訳（メタデータ） (2022-02-17T08:26:25Z)
Generation of Realistic Cloud Access Times for Mobile Application Testing using Transfer Learning [2.561649173827544]
本稿では,Long Short Term Memory(LSTM)ニューラルネットを用いた伝達学習に基づく計測駆動手法について述べる。本機能は,多様なターゲット環境に適応した現実的なWiFiおよびLTEクラウドアクセス時間モデルに対して提案する。これらのモデルから生成された合成トレースは、アプリケーションqoeメトリック分布を正確に再現できることを実証する。
論文参考訳（メタデータ） (2021-03-16T22:42:34Z)
FastEmit: Low-latency Streaming ASR with Sequence-level Emission Regularization [78.46088089185156]
ストリーム自動音声認識(ASR)は、仮説化された単語を可能な限り迅速かつ正確に出力することを目的としている。既存のアプローチでは、シーケンストランスデューサモデルにおいて、トーケン単位またはフレーム単位の確率予測を演算することで、発光遅延をペナルティ化する。本稿では,訓練用トランスデューサモデルにおいて,シーケンス毎の確率に遅延正規化を直接適用する,FastEmitというシーケンスレベルのエミッション正規化手法を提案する。
論文参考訳（メタデータ） (2020-10-21T17:05:01Z)
mpNet: variable depth unfolded neural network for massive MIMO channel estimation [0.0]
データレートとエネルギー効率の両面で、MIMO(Multiple-input multiple-output)通信システムは大きな可能性を秘めている。物理モデルを使用することで、伝播の物理に基づいて事前情報を注入することで、問題を緩和することができる。しかし、そのようなモデルは仮定の単純化に頼っており、実際には非現実的なシステムの構成を正確に知る必要がある。
論文参考訳（メタデータ） (2020-08-07T12:23:44Z)
Interference Distribution Prediction for Link Adaptation in Ultra-Reliable Low-Latency Communications [71.0558149440701]
リンク適応(LA)はURLLCを実現するボトルネックの一つと考えられている。本稿では,ユーザの干渉信号と雑音比の予測に焦点をあて,LAを増強する。干渉の時間相関を利用することがURLLCの重要な有効性であることを示す。
論文参考訳（メタデータ） (2020-07-01T07:59:35Z)
A Big Data Enabled Channel Model for 5G Wireless Communication Systems [71.93009775340234]
本稿では,ビッグデータ解析,特に無線通信およびチャネルモデリングにおける機械学習アルゴリズムの様々な応用について検討する。本稿では,ビッグデータと機械学習を利用した無線チャネルモデルフレームワークを提案する。提案するチャネルモデルは、フィードフォワードニューラルネットワーク(FNN)やラジアル基底関数ニューラルネットワーク(RBF-NN)を含む、人工ニューラルネットワーク(ANN)に基づいている。
論文参考訳（メタデータ） (2020-02-28T05:56:14Z)
Millimeter Wave Communications with an Intelligent Reflector: Performance Optimization and Distributional Reinforcement Learning [119.97450366894718]
ミリ波基地局のダウンリンクマルチユーザ通信を最適化するための新しいフレームワークを提案する。チャネル状態情報(CSI)をリアルタイムで計測するために,チャネル推定手法を開発した。最適赤外反射を学習し、ダウンリンク能力の期待を最大化するために、分布強化学習(DRL)手法を提案する。
論文参考訳（メタデータ） (2020-02-24T22:18:54Z)

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。