Fugu-MT 論文翻訳(概要): Capacity and Achievable Rates of Fading Few-mode MIMO IM/DD Optical Fiber Channels

論文の概要: Capacity and Achievable Rates of Fading Few-mode MIMO IM/DD Optical Fiber Channels

arxiv url: http://arxiv.org/abs/2201.11538v1
Date: Thu, 27 Jan 2022 14:25:48 GMT
ステータス: 処理完了
システム内更新日: 2022-01-28 18:20:40.080388
Title: Capacity and Achievable Rates of Fading Few-mode MIMO IM/DD Optical Fiber Channels
Title（参考訳）: ファイドモードMIMO IM/DD光ファイバチャネルの容量と達成率
Authors: Metodi P. Yankov, Francesco Da Ros, S{\o}ren Forchhammer, and Lars Gruner-Nielsen
Abstract要約: 空間パスあたりの強度変調及び直接検出(IM/DD)が可能な光ファイバ多重出力多重出力(MIMO)チャネルを処理する。自由空間IM/DDチャネルからの上界をファイバケースに適合させる。 Blahut-Arimotoアルゴリズムを用いて、コンステレーション制約容量を構成的に推定する。
参考スコア（独自算出の注目度）: 0.951964747016569
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The optical fiber multiple-input multiple-output (MIMO) channel with intensity modulation and direct detection (IM/DD) per spatial path is treated. The spatial dimensions represent the multiple modes employed for transmission and the cross-talk between them originates in the multiplexers and demultiplexers, which are polarization dependent and thus timevarying. The upper bounds from free-space IM/DD MIMO channels are adapted to the fiber case, and the constellation constrained capacity is constructively estimated using the Blahut-Arimoto algorithm. An autoencoder is then proposed to optimize a practical MIMO transmission in terms of pre-coder and detector assuming channel distribution knowledge at the transmitter. The pre-coders are shown to be robust to changes in the channel.
Abstract（参考訳）: 光ファイバー多重出力多重出力(MIMO)チャネルは、強度変調及び空間パス毎の直接検出(IM/DD)を行う。空間次元は伝送に使用される多重モードを表し、それらの間のクロストークは分極に依存する多重化器と多重化器に由来する。自由空間IM/DDMIMOチャネルの上界はファイバケースに適応し、コンステレーション制約容量はブラフト・アリモトアルゴリズムを用いて構成的に推定される。次に、送信機におけるチャネル分布知識を想定したプリコーダと検出器の観点で、実用的なmimo伝送を最適化するオートエンコーダを提案する。プリコーダはチャネルの変更に対して堅牢であることが示されている。

関連論文リスト

A Hybrid Transformer-Mamba Network for Single Image Deraining [70.64069487982916]
既存のデラリング変換器では、固定レンジウィンドウやチャネル次元に沿って自己アテンション機構を採用している。本稿では,多分岐型トランスフォーマー・マンバネットワーク(Transformer-Mamba Network,TransMamba Network,Transformer-Mamba Network)を提案する。
論文参考訳（メタデータ） (2024-08-31T10:03:19Z)
Hybrid Knowledge-Data Driven Channel Semantic Acquisition and Beamforming for Cell-Free Massive MIMO [6.010360758759109]
本稿では、ユビキタス・拡張現実(XR)アプリケーションのサポートを改善するために、屋外無線システムの進歩に焦点を当てる。セルレス大規模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,チャネル意味獲得とマルチユーザビームフォーミングのためのハイブリッド知識データ駆動方式を提案する。
論文参考訳（メタデータ） (2023-07-06T15:35:55Z)
Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文参考訳（メタデータ） (2023-06-08T06:15:17Z)
Channel Simulation: Finite Blocklengths and Broadcast Channels [13.561997774592667]
有限ブロック長系における共通ランダム性支援下でのチャネルシミュレーションについて検討する。固定誤差耐性の最小シミュレーションコストについて,スムーズなチャネル最大値情報を線形プログラムのワンショット・コンバースとして同定する。
論文参考訳（メタデータ） (2022-12-22T13:08:55Z)
Deep Generative Models for Downlink Channel Estimation in FDD Massive MIMO Systems [13.267048706241157]
この課題に対処するために, 深部生成モデル(DGM)に基づく手法を提案する。アップリンクチャネルとダウンリンクチャネルの部分的相互性を実行し、まず、周波数非依存のチャネルパラメータを推定する。次に、各伝搬路の位相である周波数固有チャネルパラメータをダウンリンクトレーニングにより推定する。
論文参考訳（メタデータ） (2022-03-09T18:32:10Z)
Multi-Channel End-to-End Neural Diarization with Distributed Microphones [53.99406868339701]
EENDのTransformerエンコーダを,マルチチャネル入力を処理する2種類のエンコーダに置き換える。また,単一チャンネル記録のみを用いたモデル適応手法を提案する。
論文参考訳（メタデータ） (2021-10-10T03:24:03Z)
Deep Learning Based Antenna-time Domain Channel Extrapolation for Hybrid mmWave Massive MIMO [30.201881862681972]
本研究では,部分的なアップリンクチャネルから基地局の全ダウンリンクチャネルへのマッピング関数を学習するために,潜在常微分方程式(ODE)に基づくネットワークを設計する。シミュレーションの結果,設計したネットワークは,部分的なアップリンクチャネルから全ダウンリンクチャネルを効率的に推測できることがわかった。
論文参考訳（メタデータ） (2021-08-09T11:12:46Z)
Model-Driven Deep Learning Based Channel Estimation and Feedback for Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。 MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-04-22T13:34:53Z)
Deep Learning Based Antenna Selection for Channel Extrapolation in FDD Massive MIMO [54.54508321463112]
大規模なマルチインプット多重出力(MIMO)システムでは、多数のアンテナが正確なチャネル状態情報を取得する上で大きな課題となる。ニューラルネットワーク(NN)を用いて、アップリンクとダウンリンクチャネルデータセット間の固有の接続を捕捉し、アップリンクチャネル状態情報のサブセットからダウンリンクチャネルを外挿する。アンテナサブセット選択問題について検討し、最高のチャネル外挿を実現し、NNのデータサイズを小さくする。
論文参考訳（メタデータ） (2020-09-03T13:38:52Z)
Deep Denoising Neural Network Assisted Compressive Channel Estimation for mmWave Intelligent Reflecting Surfaces [99.34306447202546]
本稿では,mmWave IRSシステムに対するディープデノイングニューラルネットワークを用いた圧縮チャネル推定法を提案する。我々はまず、受信チェーンをほとんど使わず、アップリンクのユーザ-IRSチャネルを推定するハイブリッド・パッシブ/アクティブIRSアーキテクチャを導入する。完全チャネル行列は、圧縮センシングに基づいて限られた測定値から再構成することができる。
論文参考訳（メタデータ） (2020-06-03T12:18:57Z)

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。