論文の概要: Digital Beamforming Robust to Time-Varying Carrier Frequency Offset
- arxiv url: http://arxiv.org/abs/2103.04948v1
- Date: Mon, 8 Mar 2021 18:08:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-09 18:01:08.250573
- Title: Digital Beamforming Robust to Time-Varying Carrier Frequency Offset
- Title（参考訳）: 時変キャリア周波数オフセットにロバストなディジタルビームフォーミング
- Authors: Shuang Li, Payam Nayeri, and Michael B. Wakin
- Abstract要約: 時変キャリア周波数オフセットから発生する信号の破損に頑健な新しいビームフォーミングアルゴリズムを提案する。
パイロットと干渉器信号に未知の時変周波数ドリフトが存在する場合に干渉をキャンセルできる重みベクトルを設計するための2つの原子ノルム最小化(anm)方式を提案する。
- 参考スコア（独自算出の注目度）: 21.18926642388997
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Adaptive interference cancellation is rapidly becoming a necessity for our
modern wireless communication systems, due to the proliferation of wireless
devices that interfere with each other. To cancel interference, digital
beamforming algorithms adaptively adjust the weight vector of the antenna
array, and in turn its radiation pattern, to minimize interference while
maximizing the desired signal power. While these algorithms are effective in
ideal scenarios, they are sensitive to signal corruptions. In this work, we
consider the case when the transmitter and receiver in a communication system
cannot be synchronized, resulting in a carrier frequency offset that corrupts
the signal. We present novel beamforming algorithms that are robust to signal
corruptions arising from this time-variant carrier frequency offset. In
particular, we bring in the Discrete Prolate Spheroidal Sequences (DPSS's) and
propose two atomic-norm-minimization (ANM)-based methods in both 1D and 2D
frameworks to design a weight vector that can be used to cancel interference
when there exist unknown time-varying frequency drift in the pilot and
interferer signals. Both algorithms do not assume a pilot signal is known.
Noting that solving ANM optimization problems via semi-definite programs can be
a computational burden, we also present a novel fast algorithm to approximately
solve our 1D ANM optimization problem. Finally, we confirm the benefits of our
proposed algorithms and show the advantages over existing approaches with a
series of experiments.
- Abstract（参考訳）: 現代の無線通信システムでは、相互に干渉する無線デバイスの普及により、適応干渉のキャンセルが急速に必要になってきています。
干渉をキャンセルするために、デジタルビームフォーミングアルゴリズムはアンテナアレイの重量ベクトルを適応的に調整し、その放射パターンは、所望の信号電力を最大化しながら干渉を最小限に抑える。
これらのアルゴリズムは理想的なシナリオで有効であるが、信号の破損に敏感である。
本研究では,通信システムにおける送信機と受信機が同期できない場合を考慮し,伝送周波数オフセットが信号の劣化の原因となることを示す。
本稿では,この時間変動キャリア周波数オフセットから生じる信号破損に対して堅牢なビームフォーミングアルゴリズムを提案する。
特に、DPSS(Disdisrete Prolate Spheroidal Sequences)を導入し、1Dと2Dの両方のフレームワークで2つの原子ノルム最小化(ANM)ベースの手法を提案し、パイロット信号と干渉信号に時間変動の周波数ドリフトがある場合の干渉をキャンセルできる重みベクトルを設計する。
どちらのアルゴリズムもパイロット信号が知られていると仮定しない。
半定値プログラムによるANM最適化問題の解法は計算負担となりうることに留意し、1次元ANM最適化問題を近似的に解くための新しい高速アルゴリズムを提案する。
最後に,提案アルゴリズムの利点を確認し,一連の実験により既存手法に対する利点を示す。
関連論文リスト
- RF Challenge: The Data-Driven Radio Frequency Signal Separation Challenge [66.33067693672696]
本稿では、新しいデータ駆動手法を用いて、高周波信号における干渉拒否の重大な問題に対処する。
まず、干渉除去アルゴリズムの開発と解析の基礎となる洞察に富んだ信号モデルを提案する。
第2に,さまざまなRF信号とコードテンプレートを備えた公開データセットであるRF Challengeを紹介する。
第3に,UNetやWaveNetなどのアーキテクチャにおいて,新しいAIに基づく拒絶アルゴリズムを提案し,その性能を8種類の信号混合タイプで評価する。
論文 参考訳（メタデータ） (2024-09-13T13:53:41Z) - RIMformer: An End-to-End Transformer for FMCW Radar Interference Mitigation [1.8063750621475454]
RIMformerと呼ばれる新しいFMCWレーダ干渉緩和法は、エンドツーエンドのTransformerベース構造を用いて提案される。
このアーキテクチャは、時間領域IF信号をエンドツーエンドで処理するように設計されている。
その結果,提案したRIMformerは干渉を効果的に軽減し,ターゲット信号の復元を可能にすることがわかった。
論文 参考訳（メタデータ） (2024-07-16T07:51:20Z) - OFDM-Standard Compatible SC-NOFS Waveforms for Low-Latency and Jitter-Tolerance Industrial IoT Communications [53.398544571833135]
この研究は、スペクトル的に効率的な不規則なSinc (irSinc) 整形法を提案し、1924年に従来のSincを再考した。
irSincは、誤差性能を犠牲にすることなくスペクトル効率が向上した信号を生成する。
我々の信号は、5G標準信号構成により、同じスペクトル帯域内で高速なデータ伝送を実現する。
論文 参考訳（メタデータ） (2024-06-07T09:20:30Z) - Fairness-Driven Optimization of RIS-Augmented 5G Networks for Seamless
3D UAV Connectivity Using DRL Algorithms [8.296140341710462]
我々は、再構成可能なインテリジェントサーフェス(RIS)を用いた大規模マルチインプットマルチアウトプットシステムにおけるジョイントアクティブビームフォーミングとパッシブビームフォーミングの問題点について検討する。
この問題に対処する2つの新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-11-14T06:43:36Z) - Over-the-Air Computation in OFDM Systems with Imperfect Channel State
Information [28.980726342842182]
不完全チャネル状態情報(CSI)を用いたOFDMシステムにおける空気上計算(AirComp)について検討する。
平均計算平均二乗誤差(MSE)を最小化し,複数のサブキャリア上での計算停止確率を最小化する。
論文 参考訳（メタデータ） (2023-07-07T14:09:18Z) - Reliable Beamforming at Terahertz Bands: Are Causal Representations the
Way Forward? [85.06664206117088]
マルチユーザ無線システムは、テラヘルツ帯域と大量のアンテナを利用することで、メタバース要件を満たすことができる。
既存の解にはチャネル力学の適切なモデリングが欠如しており、その結果、高流動シナリオにおける不正確なビームフォーミング解が生じる。
ここでは、変分因果推論における新しい人工知能アルゴリズムを利用して、動的で意味論的に認識されたビームフォーミングソリューションを初めて提案する。
論文 参考訳（メタデータ） (2023-03-14T16:02:46Z) - 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) - Over-the-Air Federated Learning via Second-Order Optimization [37.594140209854906]
フェデレートラーニング(FL)は、無線ネットワーク上でのタスク指向のデータトラフィックを、限られた無線リソースによって引き起こす可能性がある。
本稿では,通信ラウンドを同時に削減し,低レイテンシなグローバルモデルアグリゲーションを実現するために,空対2次フェデレーション最適化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-03-29T12:39:23Z) - Towards an AI-Driven Universal Anti-Jamming Solution with Convolutional
Interference Cancellation Network [4.450750414447688]
ワイヤレスリンクは、重要なサービスを提供するためにますます使われていますが、意図的な干渉(ジャミング)は、そのようなサービスにとって深刻な脅威です。
機械学習の進歩とニューラルアクセラレータとソフトウェア定義無線の約束に依存するアプローチを提案する。
本研究では,2アンテナの試作システムを開発し,様々な環境設定や変調方式におけるジャミングキャンセル手法の評価を行う。
論文 参考訳（メタデータ） (2022-03-18T03:30:57Z) - Harnessing Wireless Channels for Scalable and Privacy-Preserving
Federated Learning [56.94644428312295]
無線接続は、フェデレートラーニング(FL)の実現に有効である
Channel randomnessperturbs 各ワーカはモデル更新をインバージョンし、複数のワーカはバンド幅に大きな干渉を発生させる。
A-FADMMでは、すべてのワーカーがモデル更新をアナログ送信を介して単一のチャンネルを使用してパラメータサーバにアップロードする。
これは通信帯域幅を節約するだけでなく、各ワーカーの正確なモデル更新軌跡を任意の盗聴者から隠蔽する。
論文 参考訳（メタデータ） (2020-07-03T16:31:15Z) - A Compressive Sensing Approach for Federated Learning over Massive MIMO
Communication Systems [82.2513703281725]
フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。
本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
論文 参考訳（メタデータ） (2020-03-18T05:56:27Z)
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。