論文の概要: Variational Autoencoder Leveraged MMSE Channel Estimation

• arxiv url: http://arxiv.org/abs/2205.05345v1
• Date: Wed, 11 May 2022 08:45:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-13 03:45:14.467715
• Title: Variational Autoencoder Leveraged MMSE Channel Estimation
• Title（参考訳）: 変分オートエンコーダを用いたMMSEチャネル推定
• Authors: Michael Baur, Benedikt Fesl, Michael Koller, Wolfgang Utschick
• Abstract要約: データ駆動型チャネル推定のための変分オートエンコーダ(VAE)を提案する。 VAEに基づくチャネル推定器がMMSEチャネル推定器を近似する方法について論じる。 推定時にVAEの入力時に完全に既知のチャネル状態が与えられると、これは現実的ではないので、ベンチマーク結果として機能する推定器を得る。
• 参考スコア（独自算出の注目度）: 10.013371919782593
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose to utilize a variational autoencoder (VAE) for data-driven channel estimation. The underlying true and unknown channel distribution is modeled by the VAE as a conditional Gaussian distribution in a novel way, parameterized by the respective first and second order conditional moments. As a result, it can be observed that the linear minimum mean square error (LMMSE) estimator in its variant conditioned on the latent sample of the VAE approximates an optimal MSE estimator. Furthermore, we argue how a VAE-based channel estimator can approximate the MMSE channel estimator. We propose three variants of VAE estimators that differ in the data used during training and estimation. First, we show that given perfectly known channel state information at the input of the VAE during estimation, which is impractical, we obtain an estimator that can serve as a benchmark result for an estimation scenario. We then propose practically feasible approaches, where perfectly known channel state information is only necessary in the training phase or is not needed at all. Simulation results on 3GPP and QuaDRiGa channel data attest a small performance loss of the practical approaches and the superiority of our VAE approaches in comparison to other related channel estimation methods.
• Abstract（参考訳）: 本稿では,データ駆動チャネル推定のための変分オートエンコーダ(vae)を提案する。 真かつ未知のチャネル分布は、vaeによって新しい方法で条件付きガウス分布としてモデル化され、各第1および第2次条件付きモーメントによってパラメータ化される。 その結果、vaeの潜在サンプルに条件づけられた変種における線形最小平均二乗誤差(lmmse)推定器は最適なmse推定器に近似することがわかった。 さらに,VAEに基づくチャネル推定器がMMSEチャネル推定器を近似する方法について論じる。 本稿では,トレーニングと推定に使用するデータが異なる3種類のVAE推定器を提案する。 まず,推定時にVAEの入力時に完全に既知のチャネル状態が与えられると,推定シナリオのベンチマーク結果として機能する推定器が得られることを示す。 次に,訓練段階においてのみ,あるいは全く必要とされない完全既知のチャネル状態情報が必要となるような,実現可能なアプローチを提案する。 3GPP と QuaDRiGa のチャネルデータによるシミュレーション結果から,他のチャネル推定法と比較して,実用的アプローチとVAE 手法の優位性が小さいことを示す。

関連論文リスト

• Bayesian Estimation and Tuning-Free Rank Detection for Probability Mass Function Tensors [17.640500920466984]
  本稿では,関節のPMFを推定し,そのランクを観測データから自動的に推定する新しい枠組みを提案する。 我々は、様々なモデルパラメータの後方分布を近似するために、変分推論(VI)に基づく決定論的解を導出し、さらに、変分推論(SVI)を利用して、VVIベースのアプローチのスケーラブルバージョンを開発する。 合成データと実映画レコメンデーションデータの両方を含む実験は、推定精度、自動ランク検出、計算効率の点で、VVIおよびSVIベースの手法の利点を示している。
  論文  参考訳（メタデータ） (2024-10-08T20:07:49Z)
• Leveraging Variational Autoencoders for Parameterized MMSE Estimation [10.141454378473972]
  条件付き線形最小二乗誤差推定器のパラメータ化のための変分オートエンコーダに基づくフレームワークを提案する。 導出した推定器は、推定問題の生成前として変分オートエンコーダを用いて最小平均2乗誤差推定器を近似する。 提案手法と最小平均二乗誤差推定器の差分を限定して厳密な解析を行う。
  論文  参考訳（メタデータ） (2023-07-11T15:41:34Z)
• Variational Inference Aided Estimation of Time Varying Channels [10.105132487203281]
  我々はk-MemoryMarkovVAE (k-MMVAE)と呼ばれる新しいDVAEアーキテクチャを導入する。 我々は、連続した観測の時間的相関を考慮に入れたk-MMVAE支援チャネル推定器を導出する。 この結果はQuaDRiGaによるシミュレーションチャネルで評価され,k-MMVAE支援チャネル推定器が他の機械学習(ML)支援チャネル推定器よりも明らかに優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-31T09:46:15Z)
• MIMO Channel Estimation using Score-Based Generative Models [1.6752182911522517]
  本稿では,ディープスコアに基づく生成モデルを用いたチャネル推定手法を提案する。 これらのモデルは、対数-主分布の勾配を推定するために訓練され、観測された信号の測定から推定を反復的に洗練するために使用することができる。
  論文  参考訳（メタデータ） (2022-04-14T17:23:58Z)
• Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
  実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。 本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。 本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
  論文  参考訳（メタデータ） (2022-01-11T23:01:12Z)
• A Variational Bayesian Approach to Learning Latent Variables for Acoustic Knowledge Transfer [55.20627066525205]
  本稿では,ディープニューラルネットワーク(DNN)モデルにおける潜伏変数の分布を学習するための変分ベイズ(VB)アプローチを提案する。 我々の提案するVBアプローチは,ターゲットデバイスにおいて良好な改善が得られ,しかも,13の最先端知識伝達アルゴリズムを一貫して上回っている。
  論文  参考訳（メタデータ） (2021-10-16T15:54:01Z)
• Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
  大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。 一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。 本稿では2つの新しい推定法を提案する。
  論文  参考訳（メタデータ） (2021-09-06T13:42:32Z)
• Variational Inference with NoFAS: Normalizing Flow with Adaptive Surrogate for Computationally Expensive Models [7.217783736464403]
  マルコフ連鎖モンテカルロのようなサンプリングに基づくアプローチの使用は、それぞれの可能性評価が計算的に高価であるときに難解になる可能性がある。 変分推論と正規化フローを組み合わせた新しいアプローチは、潜在変数空間の次元と線形にしか成長しない計算コストによって特徴づけられる。 本稿では,ニューラルネットワークサロゲートモデルの正規化フローパラメータと重みを代わりに更新する最適化戦略である,適応サロゲートを用いた正規化フロー(NoFAS)を提案する。
  論文  参考訳（メタデータ） (2021-08-28T14:31:45Z)
• Scalable Marginal Likelihood Estimation for Model Selection in Deep Learning [78.83598532168256]
  階層型モデル選択は、推定困難のため、ディープラーニングではほとんど使われない。 本研究は,検証データが利用できない場合,限界的可能性によって一般化が向上し,有用であることを示す。
  論文  参考訳（メタデータ） (2021-04-11T09:50:24Z)
• Nonparametric Estimation of the Fisher Information and Its Applications [82.00720226775964]
  本稿では,大きさn$のランダムサンプルからフィッシャー情報の位置推定の問題について考察する。 Bhattacharyaにより提案された推定器を再検討し、収束率の向上を導出する。 クリッピング推定器と呼ばれる新しい推定器を提案する。
  論文  参考訳（メタデータ） (2020-05-07T17:21:56Z)
• Batch Stationary Distribution Estimation [98.18201132095066]
  サンプル遷移の組を与えられたエルゴードマルコフ鎖の定常分布を近似する問題を考える。 与えられたデータに対する補正比関数の復元に基づく一貫した推定器を提案する。
  論文  参考訳（メタデータ） (2020-03-02T09:10:01Z)

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。