Fugu-MT 論文翻訳(概要): LDPC codes: tracking non-stationary channel noise using sequential variational Bayesian estimates

論文の概要: LDPC codes: tracking non-stationary channel noise using sequential variational Bayesian estimates

arxiv url: http://arxiv.org/abs/2204.07037v1
Date: Wed, 13 Apr 2022 12:55:02 GMT
ステータス: 処理完了
システム内更新日: 2022-04-15 14:29:33.601335
Title: LDPC codes: tracking non-stationary channel noise using sequential variational Bayesian estimates
Title（参考訳）: LDPC符号:連続変動ベイズ推定を用いた非定常チャネルノイズの追跡
Authors: J du Toit, J du Preez, R Wolhuter
Abstract要約: LDPC符号における非定常信号-雑音比の逐次学習法を提案する。実世界の5Gドライブテストデータを用いて提案手法の評価を行った。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We present a sequential Bayesian learning method for tracking non-stationary signal-to-noise ratios in LDPC codes using probabilistic graphical models. We represent the LDPC code as a cluster graph using a general purpose cluster graph construction algorithm called the layered trees running intersection property (LTRIP) algorithm. The channel noise estimator is a global Gamma cluster, which we extend to allow for Bayesian tracking of non-stationary noise variation. We evaluate our proposed model on real-world 5G drive test data. Our results show that our model is capable of tracking non-stationary channel noise, which outperforms an LDPC code with a fixed knowledge of the actual average channel noise.
Abstract（参考訳）: 本稿では,確率的グラフィカルモデルを用いたLDPC符号の非定常信号-雑音比の逐次学習手法を提案する。我々は,LDPCコードをクラスタグラフとして表現し,LTRIPアルゴリズムと呼ばれる汎用クラスタグラフ構築アルゴリズムを用いて表現する。チャネルノイズ推定器はグローバルガンマクラスタであり,非定常ノイズ変動のベイズ追跡を可能にするために拡張されている。提案モデルを実世界の5gドライブテストデータで評価する。その結果,本モデルでは,非定常チャネルノイズの追跡が可能であり,実際の平均チャネルノイズの知識を固定したLDPCコードよりも優れていることがわかった。

関連論文リスト

Unsupervised learning based end-to-end delayless generative fixed-filter active noise control [22.809445468752262]
遅延のないノイズ制御は、我々の初期の生成固定フィルタアクティブノイズ制御(GFANC)フレームワークによって実現されている。コプロセッサの1次元畳み込みニューラルネットワーク(1D CNN)は、ラベル付きノイズデータセットを使用した初期トレーニングを必要とする。本稿では,1次元CNNトレーニングプロセスを簡素化し,その実用性を高めるために,教師なしGFANCアプローチを提案する。
論文参考訳（メタデータ） (2024-02-08T06:14:12Z)
Unsupervised Denoising for Signal-Dependent and Row-Correlated Imaging Noise [54.0185721303932]
本稿では,行関連の画像ノイズを処理できる,教師なしのディープラーニングベースデノイザについて紹介する。提案手法では,特殊設計の自己回帰デコーダを備えた変分オートエンコーダを用いる。本手法では,事前学習した雑音モデルを必要としないため,雑音のないデータを用いてスクラッチから訓練することができる。
論文参考訳（メタデータ） (2023-10-11T20:48:20Z)
Bayesian Over-the-Air FedAvg via Channel Driven Stochastic Gradient Langevin Dynamics [41.58760966569499]
本稿では,無線システムにおけるFALDを実現するプロトコルである無線FALDを提案する。 WFALDはモンテカルロ更新のためのオーバー・ザ・エア計算とチャネル駆動サンプリングを統合している。解析と実験により、信号対雑音比が十分に大きい場合には、モンテカルロサンプリングのためにチャネルノイズを完全に再利用できることが示されている。
論文参考訳（メタデータ） (2023-05-07T00:10:55Z)
Latent Class-Conditional Noise Model [54.56899309997246]
本稿では,ベイズ的枠組みの下での雑音遷移をパラメータ化するためのLatent Class-Conditional Noise Model (LCCN)を提案する。次に、Gibs sampler を用いて遅延真のラベルを効率的に推測できる LCCN の動的ラベル回帰法を導出する。提案手法は,サンプルのミニバッチから事前の任意チューニングを回避するため,ノイズ遷移の安定な更新を保護している。
論文参考訳（メタデータ） (2023-02-19T15:24:37Z)
Graph Signal Sampling for Inductive One-Bit Matrix Completion: a Closed-form Solution [112.3443939502313]
グラフ信号解析と処理の利点を享受する統合グラフ信号サンプリングフレームワークを提案する。キーとなる考え方は、各ユーザのアイテムのレーティングをアイテムイットグラフの頂点上の関数(信号)に変換することである。オンライン設定では、グラフフーリエ領域における連続ランダムガウス雑音を考慮したベイズ拡張(BGS-IMC)を開発する。
論文参考訳（メタデータ） (2023-02-08T08:17:43Z)
Channel-noise tracking for sub-shot-noise-limited receivers with neural networks [0.0]
本稿では,位相および振幅チャネルノイズの計算効率の高い推定器として,ディープニューラルネットワークを用いた場合について検討する。このノイズトラッキング手法により、非ガウス受信機は量子ノイズ限界よりもその利点を維持することができる。
論文参考訳（メタデータ） (2021-02-15T16:50:01Z)
Impact of signal-to-noise ratio and bandwidth on graph Laplacian spectrum from high-dimensional noisy point cloud [8.680676599607125]
本研究では,高次元および雑音の多いランダム点雲から構築したカーネルベースグラフラプラシアンのスペクトルについて検討する。我々は信号と雑音が信号と雑音の比(SNR)の異なる条件でどのように相互作用するかを定量化する。
論文参考訳（メタデータ） (2020-11-21T05:19:04Z)
Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
論文参考訳（メタデータ） (2020-11-18T16:40:45Z)
Conditioning Trick for Training Stable GANs [70.15099665710336]
本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
論文参考訳（メタデータ） (2020-10-12T16:50:22Z)
Learning Noise-Aware Encoder-Decoder from Noisy Labels by Alternating Back-Propagation for Saliency Detection [54.98042023365694]
本稿では,ノイズを考慮したエンコーダ・デコーダ・フレームワークを提案する。提案モデルはニューラルネットワークによってパラメータ化された2つのサブモデルから構成される。
論文参考訳（メタデータ） (2020-07-23T18:47:36Z)
End-to-end Sinkhorn Autoencoder with Noise Generator [10.008055997630304]
本稿では,効率的なデータ収集シミュレーションのためのノイズ発生器を備えた新しいエンド・ツー・エンドのシンクホーンオートエンコーダを提案する。提案手法は,LHCにおけるALICE実験のZero Degree Calorimetersによるシミュレーションデータの挑戦的データセットにおいて,競合するアプローチよりも優れていた。
論文参考訳（メタデータ） (2020-06-11T18:04:10Z)

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。