論文の概要: Bayesian Optimization-Based Beam Alignment for MmWave MIMO Communication
Systems
- arxiv url: http://arxiv.org/abs/2207.14174v1
- Date: Thu, 28 Jul 2022 15:37:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-29 12:43:56.923633
- Title: Bayesian Optimization-Based Beam Alignment for MmWave MIMO Communication
Systems
- Title(参考訳): MmWave MIMO通信システムのためのベイズ最適化に基づくビームアライメント
- Authors: Songjie Yang, Baojuan Liu, Zhiqin Hong, Zhongpei Zhang
- Abstract要約: ビームアライメント(BA)はミリ波通信(mmWave)における重要な問題である
機械学習戦略,ベイズ最適化(BO)に基づく新しいビームアライメント方式を提案する。
本研究では,ビームアライメント問題をブラックボックス関数とみなし,BOを用いて最適ビーム対を求める。
- 参考スコア(独自算出の注目度): 1.7467279441152421
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Due to the very narrow beam used in millimeter wave communication (mmWave),
beam alignment (BA) is a critical issue. In this work, we investigate the issue
of mmWave BA and present a novel beam alignment scheme on the basis of a
machine learning strategy, Bayesian optimization (BO). In this context, we
consider the beam alignment issue to be a black box function and then use BO to
find the possible optimal beam pair. During the BA procedure, this strategy
exploits information from the measured beam pairs to predict the best beam
pair. In addition, we suggest a novel BO algorithm based on the gradient
boosting regression tree model. The simulation results demonstrate the spectral
efficiency performance of our proposed schemes for BA using three different
surrogate models. They also demonstrate that the proposed schemes can achieve
spectral efficiency with a small overhead when compared to the orthogonal match
pursuit (OMP) algorithm and the Thompson sampling-based multi-armed bandit
(TS-MAB) method.
- Abstract(参考訳): ミリ波通信(mmwave)で使われる非常に狭いビームのため、ビームアライメント(ba)は重要な問題である。
本研究では,mmWave BAの問題点を考察し,機械学習戦略,ベイズ最適化(BO)に基づく新しいビームアライメント方式を提案する。
この文脈では、ビームアライメント問題はブラックボックス関数であると考え、boを使って最適なビームペアを見つける。
BA手順の間、この戦略は測定されたビーム対からの情報を利用して最良のビーム対を予測する。
さらに,勾配向上回帰木モデルに基づく新しいBOアルゴリズムを提案する。
シミュレーションの結果,3種類のサロゲートモデルを用いて提案手法のスペクトル効率性能を示す。
また,提案手法は直交マッチング追従法 (OMP) やトンプソンサンプリング法 (TS-MAB) と比較して,少ないオーバーヘッドでスペクトル効率が得られることを示した。
関連論文リスト
- Beam Prediction based on Large Language Models [51.45077318268427]
ミリ波(mmWave)通信は次世代無線ネットワークに期待できるが、パス損失は大きい。
長短期記憶(LSTM)のような従来のディープラーニングモデルでは、ビーム追跡精度が向上するが、ロバスト性や一般化が不足している。
本稿では,大規模言語モデル(LLM)を用いて,ビーム予測の堅牢性を向上させる。
論文 参考訳(メタデータ) (2024-08-16T12:40:01Z) - Large Language Models to Enhance Bayesian Optimization [57.474613739645605]
本稿では,大規模言語モデル(LLM)の能力をベイズ最適化に組み込む新しいアプローチであるLLAMBOを提案する。
高いレベルでは、自然言語のBO問題を枠組み化し、LLMが歴史的評価に照らした有望な解を反復的に提案し、評価することを可能にする。
以上の結果から,LLAMBOはゼロショットウォームスタートに有効であり,サロゲートモデリングや候補サンプリングの促進,特に観察が不十分な場合の探索の初期段階において有効であることが示唆された。
論文 参考訳(メタデータ) (2024-02-06T11:44:06Z) - Light and Optimal Schrödinger Bridge Matching [67.93806073192938]
我々はSB(Schr"odinger Bridges)を学習するための新しい手法を提案し、それを textbf Schr"odinger Bridge matching と呼ぶ。
EOT/SBを学習するための最適橋梁マッチングは,最近発見されたエネルギーベースモデリング(EBM)の目標と一致することを示す。
我々は、Schr"odinger電位の混合パラメタライゼーションを用いて、実際に最適なマッチングを実現するための光解法(LightSB-Mと呼ぶ)を開発した。
論文 参考訳(メタデータ) (2024-02-05T17:17:57Z) - HoloBeam: Learning Optimal Beamforming in Far-Field Holographic
Metasurface Transceivers [5.402030962296633]
ミリ波およびテラヘルツ波通信におけるビームフォーミングのための大型アンテナアレイの代用として,ホログラフィック・メタサーフェス・トランシーバー (HMT) が登場している。
HMTにおけるビームフォーミングによる所望のチャネルゲインを達成するには、多数の要素の位相シフトを適切に設定する必要がある。
遠距離領域の受信機における受信信号強度をビームフォーミングし最大化するために,固定予算のマルチアーム・バンディット・フレームワークを用いた学習アルゴリズムを開発した。
論文 参考訳(メタデータ) (2023-12-30T03:29:32Z) - Deep Learning and Image Super-Resolution-Guided Beam and Power
Allocation for mmWave Networks [80.37827344656048]
我々は,ミリ波(mmWave)ネットワークのためのディープラーニング(DL)誘導ハイブリッドビームとパワーアロケーションアプローチを開発した。
教師付き学習と超解像技術の相乗効果を利用して、低オーバヘッドビームとパワーアロケーションを実現する。
論文 参考訳(メタデータ) (2023-05-08T05:40:54Z) - UB3: Best Beam Identification in Millimeter Wave Systems via Pure
Exploration Unimodal Bandits [7.253481390411171]
本研究では,受信したビームの信号強度の一様構造を利用して,最適なビームを有限時間で識別するアルゴリズムを開発した。
我々のアルゴリズムは、Unimodal Bandit for Best Beam (UB3) と名付けられ、数ラウンドで高い確率で最適なビームを識別する。
論文 参考訳(メタデータ) (2022-12-26T09:24:22Z) - Fast Beam Alignment via Pure Exploration in Multi-armed Bandits [91.11360914335384]
我々は,ミリ波通信におけるBAレイテンシを低減するために,帯域幅に基づく高速BAアルゴリズムを開発した。
我々のアルゴリズムは2相ヘテロセダスティックトラック・アンド・ストップ (2PHT&S) と呼ばれる。
論文 参考訳(メタデータ) (2022-10-23T05:57:39Z) - Deep Learning Assisted Calibrated Beam Training for Millimeter-Wave
Communication Systems [15.297530726877786]
ビームトレーニングの膨大なオーバーヘッドはミリ波(mmWave)無線通信において大きな課題となる。
チャネル電力の漏れに応じて狭いビーム方向を校正する広いビームベースのトレーニングアプローチを提案します。
チャネルパワーリークの複雑な非線形特性に対処するために、ディープラーニングを用いて最適な狭ビームを直接予測する。
論文 参考訳(メタデータ) (2021-01-08T04:02:34Z) - Joint Deep Reinforcement Learning and Unfolding: Beam Selection and
Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。
本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
論文 参考訳(メタデータ) (2021-01-05T03:55:04Z) - Beamforming Learning for mmWave Communication: Theory and Experimental
Validation [23.17604790640996]
本稿では,最小ビームフォーミングゲインを保証しながら,探索時間を短縮し,CSIを必要としないビーム設計手法を提案する。
提案手法の有効性を,実生活計測によるコードブックの構築と性能評価の観点から評価する。
論文 参考訳(メタデータ) (2019-12-28T05:46:39Z)
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。