論文の概要: Deep Learning-Based Rate-Splitting Multiple Access for Reconfigurable Intelligent Surface-Aided Tera-Hertz Massive MIMO

• arxiv url: http://arxiv.org/abs/2209.08456v1
• Date: Sun, 18 Sep 2022 03:07:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-21 18:09:53.468217
• Title: Deep Learning-Based Rate-Splitting Multiple Access for Reconfigurable Intelligent Surface-Aided Tera-Hertz Massive MIMO
• Title（参考訳）: 知的表面支援テラヘルツ大規模MIMOのための深層学習に基づくレート分割多重アクセス
• Authors: Minghui Wu, Zhen Gao, Yang Huang, Zhenyu Xiao, Derrick Wing Kwan Ng, and Zhaoyang Zhang
• Abstract要約: 再構成可能なインテリジェントサーフェス(RIS)は,Tera-Hertz大規模マルチインプットマルチアウトプット(MIMO)通信システムのサービスカバレッジを大幅に向上させることができる。 しかし、パイロットとフィードバック信号のオーバーヘッドが限定された正確な高次元チャネル状態情報(CSI)を得ることは困難である。 本稿では、RIS支援Tera-Hertzマルチユーザアクセスシステムのための、ディープラーニング(DL)に基づくレート分割多重アクセス方式を提案する。
• 参考スコア（独自算出の注目度）: 56.022764337221325
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconfigurable intelligent surface (RIS) can significantly enhance the service coverage of Tera-Hertz massive multiple-input multiple-output (MIMO) communication systems. However, obtaining accurate high-dimensional channel state information (CSI) with limited pilot and feedback signaling overhead is challenging, severely degrading the performance of conventional spatial division multiple access. To improve the robustness against CSI imperfection, this paper proposes a deep learning (DL)-based rate-splitting multiple access (RSMA) scheme for RIS-aided Tera-Hertz multi-user MIMO systems. Specifically, we first propose a hybrid data-model driven DL-based RSMA precoding scheme, including the passive precoding at the RIS as well as the analog active precoding and the RSMA digital active precoding at the base station (BS). To realize the passive precoding at the RIS, we propose a Transformer-based data-driven RIS reflecting network (RRN). As for the analog active precoding at the BS, we propose a match-filter based analog precoding scheme considering that the BS and RIS adopt the LoS-MIMO antenna array architecture. As for the RSMA digital active precoding at the BS, we propose a low-complexity approximate weighted minimum mean square error (AWMMSE) digital precoding scheme. Furthermore, for better precoding performance as well as lower computational complexity, a model-driven deep unfolding active precoding network (DFAPN) is also designed by combining the proposed AWMMSE scheme with DL. Then, to acquire accurate CSI at the BS for the investigated RSMA precoding scheme to achieve higher spectral efficiency, we propose a CSI acquisition network (CAN) with low pilot and feedback signaling overhead, where the downlink pilot transmission, CSI feedback at the user equipments (UEs), and CSI reconstruction at the BS are modeled as an end-to-end neural network based on Transformer.
• Abstract（参考訳）: reconfigurable intelligent surface (ris)はtera-hertz massive multi-input multiple-output (mimo)通信システムのサービスカバレッジを著しく向上させる。 しかし、パイロットとフィードバック信号のオーバーヘッドが限定された正確な高次元チャネル状態情報(csi)を得ることは困難であり、従来の空間分割多重アクセスの性能を著しく低下させる。 本稿では, RIS支援Tera-HertzマルチユーザMIMOシステムを対象とした, 深層学習(DL)に基づくマルチアクセス(RSMA)方式を提案する。 具体的には、まず、RISにおけるパッシブプリコーディングやアナログアクティブプリコーディング、ベースステーション(BS)におけるRSMAデジタルアクティブプリコーディングを含む、ハイブリッドデータモデル駆動型DLベースのRSMAプリコーディング方式を提案する。 RISにおける受動的プリコーディングを実現するために,Transformer を用いたデータ駆動型 RIS 反射ネットワーク (RRN) を提案する。 BSにおけるアナログアクティブプリコーディングについては、BSとRISがLoS-MIMOアンテナアレイアーキテクチャを採用することを考慮し、マッチフィルタに基づくアナログプリコーディング方式を提案する。 bs における rsma ディジタルアクティブプリコーディングについて,低複素近似重み付き最小二乗誤差 (awmmse) ディジタルプリコーディング方式を提案する。 さらに、プリコーディング性能の向上と計算複雑性の低減のために、提案したAWMMSEスキームとDLを組み合わせたモデル駆動の深部展開型アクティブプリコーディングネットワーク(DFAPN)も設計されている。 次に, RSMAプリコーディング方式を用いて, 高スペクトル効率を実現するためのBSにおける正確なCSIを取得するために, ダウンリンク・パイロット・トランスミッション, ユーザ機器(UE)におけるCSIフィードバック, およびBSにおけるCSI再構成をTransformerに基づくエンドツーエンドニューラルネットワークとしてモデル化したCSI取得ネットワーク(CAN)を提案する。

関連論文リスト

• Active RIS-aided EH-NOMA Networks: A Deep Reinforcement Learning Approach [66.53364438507208]
  アクティブな再構成可能なインテリジェントサーフェス(RIS)支援マルチユーザダウンリンク通信システムについて検討した。 非直交多重アクセス(NOMA)はスペクトル効率を向上させるために使用され、活性RISはエネルギー回収(EH)によって駆動される。 ユーザの動的通信状態を予測するために,高度なLSTMベースのアルゴリズムを開発した。 増幅行列と位相シフト行列RISを結合制御するためにDDPGに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-11T13:16:28Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• PolarDenseNet: A Deep Learning Model for CSI Feedback in MIMO Systems [18.646674391114548]
  UEにおけるCSIを低次元の潜在空間に符号化し、基地局で復号する自動エンコーダアーキテクチャに基づくAIベースのCSIフィードバックを提案する。 シミュレーションの結果,AIに基づく提案したアーキテクチャは,最先端の高分解能線形組合せ符号ブックよりも優れていた。
  論文  参考訳（メタデータ） (2022-02-02T19:04:49Z)
• Reconfigurable Intelligent Surface Enabled Spatial Multiplexing with Fully Convolutional Network [40.817290717344534]
  RIS(Reconfigurable Surface)は、無線通信システムのための新興技術である。 本稿では,この問題を解決するために完全畳み込みネットワーク(WSNFC)を提案する。 我々は、RISとダイレクトチャネルを経由するカスケードチャネルを含む一連のチャネル機能を設計する。
  論文  参考訳（メタデータ） (2022-01-08T14:16:00Z)
• CSI Feedback with Model-Driven Deep Learning of Massive MIMO Systems [0.0]
  モデル駆動深層学習に基づく2段階低ランクCSIフィードバック方式を提案する。 さらに、より効率的なCSIフィードバックを実現するために、高速反復収縮しきい値アルゴリズム(FISTA)を展開させることにより、FISTA-Netというディープ反復ニューラルネットワークを設計する。
  論文  参考訳（メタデータ） (2021-12-13T03:50:43Z)
• 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)
• Binarized Aggregated Network with Quantization: Flexible Deep Learning Deployment for CSI Feedback in Massive MIMO System [22.068682756598914]
  アグリゲートチャネル再構築ネットワーク(ACRNet)と呼ばれる新しいネットワークは、フィードバックパフォーマンスを高めるように設計されています。 異なる資源制約を満たすために,ネットワークを柔軟に適応させる弾性フィードバック方式を提案する。 実験の結果、提案したACRNetは従来の最先端ネットワークの負荷よりも優れていた。
  論文  参考訳（メタデータ） (2021-05-01T22:50:25Z)
• LoRD-Net: Unfolded Deep Detection Network with Low-Resolution Receivers [104.01415343139901]
  本稿では,1ビット計測から情報シンボルを復元する「LoRD-Net」というディープ検出器を提案する。 LoRD-Netは、関心のシグナルを回復するためのタスクベースのアーキテクチャである。 無線通信における1ビット信号回復のためのレシーバアーキテクチャの評価を行った。
  論文  参考訳（メタデータ） (2021-02-05T04:26:05Z)
• RIS Enhanced Massive Non-orthogonal Multiple Access Networks: Deployment and Passive Beamforming Design [116.88396201197533]
  再構成可能なインテリジェントサーフェス(RIS)の配置と受動ビームフォーミング設計のための新しいフレームワークを提案する。 エネルギー効率を最大化するために、共同配置、位相シフト設計、および電力配分の問題を定式化する。 リアルタイムデータセットを活用することで,ユーザの遠隔交通需要を予測するために,LSTM(Long Short-term memory)ベースのエコー状態ネットワーク(ESN)アルゴリズムを提案する。 RISの展開と設計の連立問題を解くために,D3QNに基づく位置取得と位相制御アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-01-28T14:37:38Z)

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。