論文の概要: Deep Learning-based Massive MIMO CSI Acquisition for 5G Evolution and 6G
- arxiv url: http://arxiv.org/abs/2206.04967v1
- Date: Fri, 10 Jun 2022 09:45:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-13 23:06:56.712174
- Title: Deep Learning-based Massive MIMO CSI Acquisition for 5G Evolution and 6G
- Title（参考訳）: 5G進化と6Gのための深層学習に基づくMIMO CSIの大量獲得
- Authors: Xin Wang and Xiaolin Hou and Lan Chen and Yoshihisa Kishiyama and
Takahiro Asai
- Abstract要約: 5G NRネットワークにおけるCSI(AI4CSI)のための2つの人工知能の実装手法を提案する。
これらのスキームはスペクトル効率(SE)、フィードバックオーバーヘッド、計算複雑性の観点から評価される。
航空インターフェース設計に大きな影響を与えることを考えると、第6世代(6G)ネットワークの候補技術となるだろう。
- 参考スコア（独自算出の注目度）: 8.731696607553346
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recently, inspired by successful applications in many fields, deep learning
(DL) technologies for CSI acquisition have received considerable research
interest from both academia and industry. Considering the practical feedback
mechanism of 5th generation (5G) New radio (NR) networks, we propose two
implementation schemes for artificial intelligence for CSI (AI4CSI), the
DL-based receiver and end-to-end design, respectively. The proposed AI4CSI
schemes were evaluated in 5G NR networks in terms of spectrum efficiency (SE),
feedback overhead, and computational complexity, and compared with legacy
schemes. To demonstrate whether these schemes can be used in real-life
scenarios, both the modeled-based channel data and practically measured
channels were used in our investigations. When DL-based CSI acquisition is
applied to the receiver only, which has little air interface impact, it
provides approximately 25\% SE gain at a moderate feedback overhead level. It
is feasible to deploy it in current 5G networks during 5G evolutions. For the
end-to-end DL-based CSI enhancements, the evaluations also demonstrated their
additional performance gain on SE, which is 6% -- 26% compared with DL-based
receivers and 33% -- 58% compared with legacy CSI schemes. Considering its
large impact on air-interface design, it will be a candidate technology for 6th
generation (6G) networks, in which an air interface designed by artificial
intelligence can be used.
- Abstract（参考訳）: 近年,多くの分野の応用に触発されて,CSI取得のためのディープラーニング(DL)技術は,学術と産業の両方からかなりの研究関心を集めている。
第5世代(5G)新無線(NR)ネットワークの実践的フィードバック機構を考慮し,CSI(AI4CSI)とDLベースの受信機,エンド・ツー・エンドの設計のための2つの実装手法を提案する。
提案したAI4CSIスキームは,スペクトル効率(SE),フィードバックオーバーヘッド,計算複雑性の観点から5G NRネットワークで評価し,従来のスキームと比較した。
これらの手法が実生活シナリオで利用できるかどうかを実証するため,本研究では,モデル化されたチャネルデータと実測的なチャネルデータの両方を用いて検討を行った。
DLベースのCSI取得が受信機のみに適用される場合、空気界面への影響が少ないため、ある程度のフィードバックオーバーヘッドレベルで約25\% SEゲインを提供する。
5g進化の間、現在の5gネットワークにデプロイすることは可能である。
エンドツーエンドのDLベースのCSI拡張では、従来のCSIスキームと比較して、SEのパフォーマンスが6%、DLベースのレシーバが26%、そして33%、さらに58%向上した。
航空インターフェース設計に大きな影響を与えることを考慮すると、人工知能によって設計された航空インターフェースを使用できる第6世代(6g)ネットワークの候補技術となるだろう。
関連論文リスト
- Preserving Data Privacy for ML-driven Applications in Open Radio Access
Networks [1.3351610617039973]
本稿では,5G Open Radio Access Network (O-RAN)ネットワークにおける共有データベースシナリオのケーススタディとして,プライバシ問題に対処することを目的とする。
我々は、モデルとネットワーク性能を損なうことなく、スペクトル共有および干渉緩和アプリケーションのために機械学習(ML)モデルで使用できるデータを保護することに重点を置いている。
論文 参考訳（メタデータ） (2024-02-15T05:06:53Z) - In-situ Model Downloading to Realize Versatile Edge AI in 6G Mobile
Networks [61.416494781759326]
In-situモデルダウンロードは、ネットワーク内のAIライブラリからダウンロードすることで、デバイス上のAIモデルを透過的でリアルタイムに置き換えることを目的としている。
提示されたフレームワークの重要なコンポーネントは、ダウンロードされたモデルを深さレベル、パラメータレベル、ビットレベルで動的に圧縮する一連のテクニックである。
我々は,3層(エッジ,ローカル,中央)AIライブラリのキー機能を備えた,インサイトモデルダウンロードのデプロイ用にカスタマイズされた6Gネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-10-07T13:41:15Z) - Enhancing Deep Learning Performance of Massive MIMO CSI Feedback [7.63185216082836]
我々は,深層学習に基づくMIMO(Massive multiple-input multiple-output)CSIフィードバックアプローチを強化するために,JPTS(JPTS)を利用したジグソーパズルを提案する。
実験結果から, 室内環境および屋外環境において, 精度を平均12.07%, 7.01%向上させることができることがわかった。
論文 参考訳（メタデータ） (2022-08-24T07:08:31Z) - AI for CSI Feedback Enhancement in 5G-Advanced and 6G [51.276468472631976]
第3世代パートナーシッププロジェクトは2021年にリリース18の研究を開始した。
本稿では,5G-Advancedおよび6GにおけるCSIフィードバック向上のためのAIの概要を紹介する。
論文 参考訳（メタデータ） (2022-06-30T08:52:43Z) - Overview of Deep Learning-based CSI Feedback in Massive MIMO Systems [77.0986534024972]
ディープラーニング(DL)ベースのCSIフィードバックは、DLベースのオートエンコーダによるCSI圧縮と再構築を指し、フィードバックオーバーヘッドを大幅に削減することができる。
その焦点は、CSIフィードバックの正確性を改善するために、新しいニューラルネットワークアーキテクチャとコミュニケーション専門家の知識の利用である。
論文 参考訳（メタデータ） (2022-06-29T03:28:57Z) - FPGA-optimized Hardware acceleration for Spiking Neural Networks [69.49429223251178]
本研究は,画像認識タスクに適用したオフライントレーニングによるSNN用ハードウェアアクセラレータの開発について述べる。
この設計はXilinx Artix-7 FPGAをターゲットにしており、利用可能なハードウェアリソースの40%を合計で使用している。
分類時間を3桁に短縮し、ソフトウェアと比較すると精度にわずか4.5%の影響を与えている。
論文 参考訳（メタデータ） (2022-01-18T13:59:22Z) - Deep Learning-based Implicit CSI Feedback in Massive MIMO [68.81204537021821]
ニューラルネットワーク(NN)を用いて,プリコーディング行列インジケータ(PMI)符号化とデコードモジュールを置き換える,低オーバヘッド特性を継承するDLベースの暗黙的フィードバックアーキテクチャを提案する。
1つのリソースブロック(RB)では、2つのアンテナ構成下のタイプIコードブックと比較して25.0%と40.0%のオーバーヘッドを節約できる。
論文 参考訳（メタデータ） (2021-05-21T02:43:02Z) - CLNet: Complex Input Lightweight Neural Network designed for Massive
MIMO CSI Feedback [7.63185216082836]
本稿では,CSIの固有特性に基づくCSIフィードバック問題に適したニューラルネットワークCLNetを提案する。
実験の結果,CLNetは室内・屋外のシナリオで平均5.41%の精度向上により最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2021-02-15T12:16:11Z) - ALF: Autoencoder-based Low-rank Filter-sharing for Efficient
Convolutional Neural Networks [63.91384986073851]
オートエンコーダを用いた低ランクフィルタ共有技術(ALF)を提案する。
ALFは、ネットワークパラメータの70%、オペレーションの61%、実行時間の41%を削減し、精度の低下を最小限にしている。
論文 参考訳（メタデータ） (2020-07-27T09:01:22Z) - Deep Learning Assisted CSI Estimation for Joint URLLC and eMBB Resource
Allocation [36.364156900974535]
高速移動車載ネットワークにおける深層学習支援CSI推定手法を提案する。
我々は、車両用ユーザ機器の動的スライシングに基づくリソース割り当て問題を定式化し、解決する。
論文 参考訳（メタデータ） (2020-03-12T10:00:08Z)
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。