論文の概要: Autoencoder-based Communications with Reconfigurable Intelligent Surfaces

• arxiv url: http://arxiv.org/abs/2112.04441v1
• Date: Wed, 8 Dec 2021 18:02:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-09 16:47:01.098770
• Title: Autoencoder-based Communications with Reconfigurable Intelligent Surfaces
• Title（参考訳）: 再構成可能なインテリジェントサーフェスを用いたオートエンコーダベースの通信
• Authors: Tugba Erpek, Yalin E. Sagduyu, Ahmed Alkhateeb, Aylin Yener
• Abstract要約: 本稿では、再構成可能なインテリジェントサーフェス(RIS)と送受信器ペアの結合設計に関する新しいアプローチを提案する。 RISはソフトウェアで定義された単位セルの配列であり、散乱と反射プロファイルで制御でき、送信機から受信機への受信信号に焦点を合わせることができる。 送信機-受信機ペアの動作は、受信機におけるエンドツーエンド通信性能を最適化するために、ディープニューラルネットワーク(DNN)のセットとして一緒に訓練される。
• 参考スコア（独自算出の注目度）: 40.65785117824341
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a novel approach for the joint design of a reconfigurable intelligent surface (RIS) and a transmitter-receiver pair that are trained together as a set of deep neural networks (DNNs) to optimize the end-to-end communication performance at the receiver. The RIS is a software-defined array of unit cells that can be controlled in terms of the scattering and reflection profiles to focus the incoming signals from the transmitter to the receiver. The benefit of the RIS is to improve the coverage and spectral efficiency for wireless communications by overcoming physical obstructions of the line-of-sight (LoS) links. The selection process of the RIS beam codeword (out of a pre-defined codebook) is formulated as a DNN, while the operations of the transmitter-receiver pair are modeled as two DNNs, one for the encoder (at the transmitter) and the other one for the decoder (at the receiver) of an autoencoder, by accounting for channel effects including those induced by the RIS in between. The underlying DNNs are jointly trained to minimize the symbol error rate at the receiver. Numerical results show that the proposed design achieves major gains in error performance with respect to various baseline schemes, where no RIS is used or the selection of the RIS beam is separated from the design of the transmitter-receiver pair.
• Abstract（参考訳）: 本稿では、再構成可能なインテリジェントサーフェス(RIS)と、深層ニューラルネットワーク(DNN)の集合として訓練された送信機-受信機対の結合設計を行い、受信機におけるエンドツーエンド通信性能を最適化する手法を提案する。 RISはソフトウェアで定義された単位セルの配列であり、散乱と反射プロファイルによって送信機から受信機への受信信号を集中させることができる。 RISの利点は、視線(LoS)リンクの物理的障害を克服することで、無線通信のカバレッジとスペクトル効率を改善することである。 RISビームコードワード(予め定義されたコードブックのうち)の選択プロセスはDNNとして定式化され、一方、送信機と受信機ペアの操作は、2つのDNNとしてモデル化され、1つはエンコーダ(送信機)、もう1つはオートエンコーダ(受信機)のデコーダ(受信機)に対して、RISによって誘導されるチャネル効果を考慮に入れられる。 基礎となるDNNは、受信機のシンボルエラー率を最小限に抑えるために共同で訓練される。 数値的な結果から,RISを使用しない,あるいはRISビームの選択が送受信器ペアの設計から切り離された,様々なベースラインスキームに対する誤差性能の大きな向上が得られた。

関連論文リスト

• Joint Sensing and Task-Oriented Communications with Image and Wireless Data Modalities for Dynamic Spectrum Access [49.83882366499547]
  本稿では,マルチモーダル画像とスペクトルデータの相乗効果を利用した動的スペクトルアクセスの深層学習手法を提案する。 本稿では,送信機を搭載可能な車両などの潜在的な物体を撮影するカメラを備えたエッジデバイスについて考察する。 本稿では、エッジデバイスが、融合センターとして機能する信頼できる受信機に選択的に処理された情報を通信する協調システムを提案する。
  論文  参考訳（メタデータ） (2023-12-21T15:26:26Z)
• 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)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Reconfigurable Intelligent Surface Enabled Spatial Multiplexing with Fully Convolutional Network [40.817290717344534]
  RIS(Reconfigurable Surface)は、無線通信システムのための新興技術である。 本稿では,この問題を解決するために完全畳み込みネットワーク(WSNFC)を提案する。 我々は、RISとダイレクトチャネルを経由するカスケードチャネルを含む一連のチャネル機能を設計する。
  論文  参考訳（メタデータ） (2022-01-08T14:16:00Z)
• Covert Communications via Adversarial Machine Learning and Reconfigurable Intelligent Surfaces [46.34482158291128]
  再構成可能なインテリジェントサーフェス(RIS)は、信号の散乱と反射プロファイルを制御するために単位セルの配列に依存する。 本稿では,RISの存在下での隠蔽通信について考察する。
  論文  参考訳（メタデータ） (2021-12-21T18:23:57Z)
• End-to-End Learning for Uplink MU-SIMO Joint Transmitter and Non-Coherent Receiver Design in Fading Channels [11.182920270301304]
  JTRD-Netと呼ばれる新しいエンドツーエンド学習手法が提案され、マルチユーザシングルインプットマルチ出力(MU-SIMO)ジョイントトランスミッタとフェーディングチャネルにおける非コヒーレントレシーバー設計(JTRD)をアップリンクする。 送信側は、マルチユーザー波形設計を担当する並列線形層のグループとしてモデル化されています。 非コヒーレント受信機は、マルチユーザ検出(MUD)機能を提供するために、ディープフィードフォワードニューラルネットワーク(DFNN)によって形成される。
  論文  参考訳（メタデータ） (2021-05-04T02:47:59Z)
• Deep Learning Optimized Sparse Antenna Activation for Reconfigurable Intelligent Surface Assisted Communication [54.72880662623178]
  再構成可能なインテリジェントサーフェス(RIS)は通常、パッシブモードで動作する。 カスケードチャネル構造と信号処理能力の欠如により、RISが個々のチャネル状態情報を取得することは困難である。 本稿では、RISのアンテナの一部に信号処理ユニットを追加し、チャネルを部分的に取得する。
  論文  参考訳（メタデータ） (2020-09-03T12:27:22Z)
• Channel Estimation for RIS-Empowered Multi-User MISO Wireless Communications [35.207416803526876]
  基地局とRIS間のチャネルに対する2つの反復推定アルゴリズムを提案する。 1つは交互最小二乗法(ALS)に基づいており、もう1つはベクトル近似メッセージを使って2つの未知のチャネルを反復的に再構築する。 また、推定チャネルと基地局の異なるプリコーディング方式を用いて、ダウンリンク達成可能な総和率についても論じる。
  論文  参考訳（メタデータ） (2020-08-04T10:53:51Z)

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。