Fugu-MT 論文翻訳(概要): Blind Estimation of a Doubly Selective OFDM Channel: A Deep Learning Algorithm and Theory

論文の概要: Blind Estimation of a Doubly Selective OFDM Channel: A Deep Learning Algorithm and Theory

arxiv url: http://arxiv.org/abs/2206.07483v1
Date: Mon, 30 May 2022 07:04:04 GMT
ステータス: 処理完了
システム内更新日: 2022-06-19 23:33:25.286994
Title: Blind Estimation of a Doubly Selective OFDM Channel: A Deep Learning Algorithm and Theory
Title（参考訳）: 二重選択OFDMチャネルのブラインド推定:深層学習アルゴリズムと理論
Authors: Tilahun M. Getu, Nada T. Golmie and David W. Griffith
Abstract要約: 深層学習(DL)に基づくブラインド2倍選択チャネル推定器を提案する。この推定器は、対応する最先端の推定器とは異なり、パイロットシンボルを必要としない。また,本研究では, ブラインドOFDMチャネル推定器の試験平均二乗誤差(MSE)性能について, この種の理論を初めて提示する。
参考スコア（独自算出の注目度）: 1.0742675209112622
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We provide a new generation solution to the fundamental old problem of a doubly selective fading channel estimation for orthogonal frequency division multiplexing (OFDM) systems. For systems based on OFDM, we propose a deep learning (DL)-based blind doubly selective channel estimator. This estimator does require no pilot symbols, unlike the corresponding state-of-the-art estimators, even during the estimation of a deep fading doubly selective channel. We also provide the first of its kind theory on the testing mean squared error (MSE) performance of our investigated blind OFDM channel estimator based on over-parameterized ReLU FNNs.
Abstract（参考訳）: 直交周波数分割多重化(OFDM)システムに対する二重選択型フェーディングチャネル推定の基本的な古い問題に対する新しい生成ソリューションを提供する。 OFDMに基づくシステムでは、深層学習(DL)に基づくブラインド2倍選択チャネル推定器を提案する。この推定器は、ディープフェーディング2重選択チャネルの推定中であっても、対応する最先端の推定器とは異なり、パイロット記号を必要としない。また、過パラメータ化ReLU FNNを用いたブラインドOFDMチャネル推定器の試験平均二乗誤差(MSE)に関する第一種理論も提供する。

関連論文リスト

Joint Sparsity Pattern Learning Based Channel Estimation for Massive MIMO-OTFS Systems [46.42375183269616]
大規模マルチインプット・マルチアウトプット(MIMO)変調システムのためのジョイント・スパシティ・パターン・ラーニング(JSPL)に基づくチャネル推定手法を提案する。シミュレーション結果と解析の結果から,提案したチャネル推定手法は,最先端のベースライン方式よりも性能が向上することが示された。
論文参考訳（メタデータ） (2024-03-06T15:05:39Z)
On Neural Architectures for Deep Learning-based Source Separation of Co-Channel OFDM Signals [104.11663769306566]
周波数分割多重化(OFDM)信号を含む単一チャネル音源分離問題について検討する。我々はOFDM構造からの洞察に基づいて、ネットワークパラメータ化に対する重要なドメインインフォームド修正を提案する。
論文参考訳（メタデータ） (2023-03-11T16:29:13Z)
Deep Diffusion Models for Robust Channel Estimation [1.7259824817932292]
深部拡散モデルを用いたマルチインプット・マルチアウトプット(MIMO)チャネル推定のための新しい手法を提案する。提案手法は,高次元空間の任意の点における無線チャネルのログ状勾配を推定するために訓練されたディープニューラルネットワークを用いている。
論文参考訳（メタデータ） (2021-11-16T01:32:11Z)
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)
Neural Calibration for Scalable Beamforming in FDD Massive MIMO with Implicit Channel Estimation [10.775558382613077]
チャネル推定とビームフォーミングは、周波数分割二重化(FDD)大規模マルチインプット多重出力(MIMO)システムにおいて重要な役割を果たす。受信したアップリンクパイロットに応じて,基地局のビームフォーマを直接最適化する深層学習方式を提案する。エンド・ツー・エンドの設計のスケーラビリティを向上させるために,ニューラルキャリブレーション法を提案する。
論文参考訳（メタデータ） (2021-08-03T14:26:14Z)
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)
Channel Estimation via Successive Denoising in MIMO OFDM Systems: A Reinforcement Learning Approach [23.57305243608369]
本稿では,強化学習フレームワークに基づく周波数領域の復調手法を提案する。我々のアルゴリズムは、実用最小二乗推定法(LS)よりも大幅に改善されている。
論文参考訳（メタデータ） (2021-01-25T18:33:54Z)
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。