論文の概要: GA-Aided Directivity in Volumetric and Planar Massive-Antenna Array
Design
- arxiv url: http://arxiv.org/abs/2301.02940v1
- Date: Sat, 7 Jan 2023 21:52:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-10 18:11:25.856704
- Title: GA-Aided Directivity in Volumetric and Planar Massive-Antenna Array
Design
- Title（参考訳）: 体積及び平面質量アンテナアレイ設計におけるGA支援指向性
- Authors: Bruno Felipe Costa, Taufik Abr\~ao
- Abstract要約: 本研究では, 指向性向上の問題から, 所望の到着/出発角(AoA/AoD)よりも指向性向上が促進されると考えられる。
直方体長方形角度と一般方位標高パターンを用いて指向性アレイの新しい体積アレイを提案する。
このような指向性距離は、できるだけ高い指向性ゲインを達成するために定式化される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The problem of directivity enhancement, leading to the increase in the
directivity gain over a certain desired angle of arrival/departure (AoA/AoD),
is considered in this work. A new formulation of the volumetric array
directivity problem is proposed using the rectangular coordinates to describe
each antenna element and the desired azimuth and elevation angles with a
general element pattern. Such a directivity problem is formulated to find the
optimal minimum distance between the antenna elements $d_\text{min}$ aiming to
achieve as high directivity gains as possible. {An expedited implementation
method is developed to place the antenna elements in a distinctive plane
dependent on ($\theta_0$; $\phi_0$). A novel concept on optimizing directivity
for the uniform planar array (OUPA) is introduced to find a quasi-optimal
solution for the non-convex optimization problem with low complexity. This
solution is reached by deploying the proposed successive evaluation and
validation (SEV) method. {Moreover, the genetic} algorithm (GA) method was
deployed to find the directivity optimization solution expeditiously. For a
small number of antenna elements {, typically $N\in [4,\dots, 9]$,} the
achievable directivity by GA optimization demonstrates gains of $\sim 3$ dBi
compared with the traditional beamforming technique, using steering vector for
uniform linear arrays (ULA) and uniform circular arrays (UCA), while gains of
$\sim1.5$ dBi are attained when compared with an improved UCA directivity
method. For a larger number of antenna elements {, two improved GA procedures,
namely GA-{\it marginal} and GA-{\it stall}, were} proposed and compared with
the OUPA method. OUPA also indicates promising directivity gains surpassing
$30$ dBi for massive MIMO scenarios.
- Abstract（参考訳）: 指向性向上の問題は, ある所望の到着/出発角(AoA/AoD)に対する指向性向上の増大につながると考えられる。
各アンテナ要素と所望の方位角と高さ角を一般成分パターンで記述するための矩形座標を用いて,体積配列指向性問題の新たな定式化を提案する。
このような指向性問題は、アンテナ要素$d_\text{min}$間の最適最小距離を求めるために定式化され、高い指向性ゲインを達成する。
アンテナ要素を(\theta_0$; $\phi_0$)に依存する特異な平面に配置する。
均一平面アレイ (OUPA) の指向性を最適化する新しい概念を導入し, 複雑性の低い非凸最適化問題に対する準最適解を求める。
本手法は,提案した逐次評価検証法(SEV)をデプロイすることによって実現される。
遺伝的アルゴリズム (GA) 法は, 直接的に指向性最適化の解を見つけるために展開された。
少数のアンテナ要素 {, $N\in [4,\dots, 9]$,} に対して、GA最適化による達成可能な指向性は、一様線形配列 (ULA) と一様円配列 (UCA) のステアリングベクトルを用いて従来のビームフォーミング技術と比較して$\sim 3$ dBiの利得を示し、改良されたUCA指向性法と比較すると$\sim1.5$ dBiの利得が得られる。
多数のアンテナ素子 {1, 2つの改良GAプロシージャ,すなわち GA-{\it marginal と GA-{\it stall} が提案され,OUPA法と比較された。
OUPAはまた、大規模なMIMOシナリオで30ドルを超える有望な指向性の向上を示している。
関連論文リスト
- Obtaining Lower Query Complexities through Lightweight Zeroth-Order Proximal Gradient Algorithms [65.42376001308064]
複素勾配問題に対する2つの分散化ZO推定器を提案する。
我々は、現在最先端の機能複雑性を$mathcalOleft(minfracdn1/2epsilon2, fracdepsilon3right)$から$tildecalOleft(fracdepsilon2right)$に改善する。
論文 参考訳（メタデータ） (2024-10-03T15:04:01Z) - Double Variance Reduction: A Smoothing Trick for Composite Optimization Problems without First-Order Gradient [40.22217106270146]
ばらつき低減技術はサンプリングのばらつきを低減し、一階法(FO)とゼロ階法(ZO)の収束率を向上するように設計されている。
複合最適化問題において、ZO法は、ランダム推定から導かれる座標ワイド分散と呼ばれる追加の分散に遭遇する。
本稿では,ZPDVR法とZPDVR法を提案する。
論文 参考訳（メタデータ） (2024-05-28T02:27:53Z) - ELRA: Exponential learning rate adaption gradient descent optimization
method [83.88591755871734]
我々は, 高速(指数率), ab initio(超自由)勾配に基づく適応法を提案する。
本手法の主な考え方は,状況認識による$alphaの適応である。
これは任意の次元 n の問題に適用でき、線型にしかスケールできない。
論文 参考訳（メタデータ） (2023-09-12T14:36:13Z) - Orthogonal Directions Constrained Gradient Method: from non-linear
equality constraints to Stiefel manifold [16.099883128428054]
直交方向制約法(ODCGM)という新しいアルゴリズムを提案する。
ODCGMはベクトル空間へのプロジェクションのみを必要とする。
以上より, ODCGMは, ほぼ最適のオラクル複合体を呈することを示した。
論文 参考訳（メタデータ） (2023-03-16T12:25:53Z) - Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。
本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
論文 参考訳（メタデータ） (2023-01-30T15:46:39Z) - Optimal Pattern synthesis of linear antenna array using Ant Hill
Colonization Optimization algorithm(AHCOA) [1.588193964339148]
AHCOAは、アリの丘に階層構造と部門が存在することにインスパイアされた新しいメタアルゴリズムである。
制約のない、制約のない最適化問題の解法には高い確率可能性がある。
論文 参考訳（メタデータ） (2022-07-06T10:22:05Z) - Matching Pursuit Based Scheduling for Over-the-Air Federated Learning [67.59503935237676]
本稿では,フェデレートラーニング手法を用いて,オーバー・ザ・エアラーニングのための低複雑さデバイススケジューリングアルゴリズムのクラスを開発する。
最先端の提案方式と比較すると,提案方式は極めて低効率なシステムである。
提案手法の有効性は,CIFARデータセットを用いた実験により確認した。
論文 参考訳（メタデータ） (2022-06-14T08:14:14Z) - Learning to Approximate: Auto Direction Vector Set Generation for
Hypervolume Contribution Approximation [6.617487928813376]
超体積寄与は進化的多目的最適化(EMO)において重要な概念である
R2インジケータの変種(すなわち$RtextHVC$インジケータ)は、超体積寄与を近似するために提案される。
本稿では,$RtextHVC$インジケータの方向ベクトル集合生成法であるtextitLearning to Approximate (LtA)を提案する。
論文 参考訳（メタデータ） (2022-01-18T02:31:15Z) - AdaGDA: Faster Adaptive Gradient Descent Ascent Methods for Minimax
Optimization [104.96004056928474]
本稿では,非コンケーブ最小値問題に対する高速適応勾配降下法を提案する。
我々は,本手法が,ミニバッチサイズが$O(kappa2.5epsilon-3)$のより低いサンプル複雑性に達することを示す。
論文 参考訳（メタデータ） (2021-06-30T14:47:09Z) - Correcting Momentum with Second-order Information [50.992629498861724]
最適積に$O(epsilon)$epsilon点を求める非臨界最適化のための新しいアルゴリズムを開発した。
我々は、さまざまな大規模ディープラーニングベンチマークとアーキテクチャで結果を検証する。
論文 参考訳（メタデータ） (2021-03-04T19:01:20Z)
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。