論文の概要: SVD-Embedded Deep Autoencoder for MIMO Communications

• arxiv url: http://arxiv.org/abs/2111.02359v1
• Date: Wed, 3 Nov 2021 17:21:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-04 14:25:29.129763
• Title: SVD-Embedded Deep Autoencoder for MIMO Communications
• Title（参考訳）: MIMO通信用SVD組み込みディープオートエンコーダ
• Authors: Xinliang Zhang, Mojtaba Vaezi, Timothy J. O'Shea
• Abstract要約: マルチインプット多重出力(MIMO)システムにおけるエンドツーエンド通信のためのディープオートエンコーダ(DAE)は、大きな可能性を秘めている新しい概念である。 本稿では,チャネル行列の左右特異ベクトルをDAEエンコーダとデコーダに埋め込む手法を提案する。
• 参考スコア（独自算出の注目度）: 13.810783248835184
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Using a deep autoencoder (DAE) for end-to-end communication in multiple-input multiple-output (MIMO) systems is a novel concept with significant potential. DAE-aided MIMO has been shown to outperform singular-value decomposition (SVD)-based precoded MIMO in terms of bit error rate (BER). This paper proposes embedding left- and right-singular vectors of the channel matrix into DAE encoder and decoder to further improve the performance of MIMO spatial multiplexing. SVD-embedded DAE largely outperforms theoretic linear precoding in terms of BER. This is remarkable since it demonstrates that the proposed DAEs have significant potential to exceed the limits of current system design by treating the communication system as a single, end-to-end optimization block. Based on the simulation results, at SNR=10dB, the proposed SVD-embedded design can achieve BER nearly $10^{-5}$ and reduce the BER at least 10 times compared with existing DAE without SVD, and up to 18 times improvement compared with theoretical linear precoding. We attribute this to the fact that the proposed DAE can match the input and output as an adaptive modulation structure with finite alphabet input. We also observe that adding residual connections to the DAE further improves the performance.
• Abstract（参考訳）: マルチインプットマルチアウトプット(MIMO)システムにおけるエンドツーエンド通信にディープオートエンコーダ(DAE)を用いることは、大きな可能性を秘めている新しい概念である。 DAE支援MIMOは、ビット誤り率(BER)の観点から、特異値分解(SVD)ベースのプリコードMIMOより優れていることが示されている。 本稿では,daeエンコーダとデコーダにチャネル行列の左右特異ベクトルを埋め込み,mimo空間多重化の性能をさらに向上させる手法を提案する。 SVD埋め込みDAEはBERの点で理論線形プリコーディングよりも優れている。 提案したDAEは,通信システムを単一エンドツーエンドの最適化ブロックとして扱うことにより,現在のシステム設計の限界を超える大きな可能性を実証している。 シミュレーション結果から,SNR=10dB において提案した SVD 埋め込み設計は BER を 10^{-5}$ に近づき,既存の SVD のない DAE と比較して BER を 10 倍,理論線形プリコーディングに比べて 18 倍向上させることができる。 我々は、提案するdaeが入力と出力とを有限アルファベット入力と適応変調構造としてマッチングできることを特徴とする。 また,DAEに残差接続を追加することで性能がさらに向上することが観察された。

関連論文リスト

• Deep Learning Assisted Multiuser MIMO Load Modulated Systems for Enhanced Downlink mmWave Communications [68.96633803796003]
  本稿では, マルチユーザ負荷変調アレイ (MU-LMA) に着目し, マイクロウェーブ (mmWave) マルチインプット・マルチアウトプット (MIMO) システムにおいて, マルチユーザ負荷変調アレイ (MU-LMA) の小型化とコスト削減を図っている。 ダウンリンクMU-LMAの既存のプリコーディングアルゴリズムは、自由度と複雑なシステム構成の低下に悩まされるサブアレイ構造化(SAS)送信機に依存している。 本稿では,FAS (Full-array Structured) 送信機を用いたMU-LMAシステムを提案し,それに応じて2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-11-08T08:54:56Z)
• Deep Learning-Based Rate-Splitting Multiple Access for Reconfigurable Intelligent Surface-Aided Tera-Hertz Massive MIMO [56.022764337221325]
  再構成可能なインテリジェントサーフェス(RIS)は,Tera-Hertz大規模マルチインプットマルチアウトプット(MIMO)通信システムのサービスカバレッジを大幅に向上させることができる。 しかし、パイロットとフィードバック信号のオーバーヘッドが限定された正確な高次元チャネル状態情報(CSI)を得ることは困難である。 本稿では、RIS支援Tera-Hertzマルチユーザアクセスシステムのための、ディープラーニング(DL)に基づくレート分割多重アクセス方式を提案する。
  論文  参考訳（メタデータ） (2022-09-18T03:07:37Z)
• PolarDenseNet: A Deep Learning Model for CSI Feedback in MIMO Systems [18.646674391114548]
  UEにおけるCSIを低次元の潜在空間に符号化し、基地局で復号する自動エンコーダアーキテクチャに基づくAIベースのCSIフィードバックを提案する。 シミュレーションの結果,AIに基づく提案したアーキテクチャは,最先端の高分解能線形組合せ符号ブックよりも優れていた。
  論文  参考訳（メタデータ） (2022-02-02T19:04:49Z)
• Two-Timescale End-to-End Learning for Channel Acquisition and Hybrid Precoding [94.40747235081466]
  本研究では,ミリ波(mmWave)大規模マルチインプット多重出力(MIMO)システムのためのエンドツーエンドの深層学習に基づくジョイントトランスシーバ設計アルゴリズムを提案する。 我々は受信したパイロットを受信機でフィードバックビットにマッピングし、さらに送信機でハイブリッドプリコーダにフィードバックビットをマッピングするDNNアーキテクチャを開発した。
  論文  参考訳（メタデータ） (2021-10-22T20:49:02Z)
• Secure Precoding in MIMO-NOMA: A Deep Learning Approach [11.44224857047629]
  ディープニューラルネットワーク(DNN)を用いた2ユーザマルチインプット多重出力非直交多重アクセスチャネル上でのセキュア伝送のための新しいシグナリング設計を提案する。 提案したDNNは,各ユーザの信号を重畳する前に線形にプリコードし,実行時間を大幅に短縮してほぼ最適性能を実現する。
  論文  参考訳（メタデータ） (2021-10-14T02:15:29Z)
• Joint Deep Reinforcement Learning and Unfolding: Beam Selection and Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
  離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。 本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
  論文  参考訳（メタデータ） (2021-01-05T03:55:04Z)
• Deep Multi-Task Learning for Cooperative NOMA: System Design and Principles [52.79089414630366]
  我々は,近年のディープラーニング(DL)の進歩を反映した,新しいディープ・コラボレーティブなNOMAスキームを開発する。 我々は,システム全体を包括的に最適化できるように,新しいハイブリッドカスケードディープニューラルネットワーク(DNN)アーキテクチャを開発した。
  論文  参考訳（メタデータ） (2020-07-27T12:38:37Z)
• Massive MIMO As an Extreme Learning Machine [83.12538841141892]
  低分解能アナログ・デジタルコンバータ(ADC)を用いたMIMOシステムによる自然極端学習機械(ELM)の試作 受信した信号にランダムなバイアスを加え、ELM出力の重みを最適化することにより、システムはハードウェアの障害に効果的に取り組むことができる。
  論文  参考訳（メタデータ） (2020-07-01T04:15:20Z)
• Unsupervised Deep Learning for Massive MIMO Hybrid Beamforming [1.290382979353427]
  ハイブリッドビームフォーミングは、MIMO(Multiple-input multiple-output)システムの複雑さとコストを低減するための有望な技術である。 本稿では,ハイブリッドビームフォーミングを設計するためのRSSIに基づく非教師なし深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-30T18:10:36Z)
• AEVB-Comm: An Intelligent CommunicationSystem based on AEVBs [0.0]
  本稿では,新しい畳み込みニューラルネットワーク (CNN) を用いた変分オートエンコーダ (VAE) 通信システムを提案する。 VAE(continuous latent space)ベースの通信システムは、AE(distributed latent space)や他の従来の手法と比較して、システム性能が前例のない改善を期待する。
  論文  参考訳（メタデータ） (2020-05-19T12:36:37Z)

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。