論文の概要: UB3: Best Beam Identification in Millimeter Wave Systems via Pure
Exploration Unimodal Bandits
- arxiv url: http://arxiv.org/abs/2301.03456v1
- Date: Mon, 26 Dec 2022 09:24:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-15 23:05:45.982260
- Title: UB3: Best Beam Identification in Millimeter Wave Systems via Pure
Exploration Unimodal Bandits
- Title（参考訳）: UB3:Pure Exploration Unimodal Banditsによるミリ波システムにおけるベストビーム識別
- Authors: Debamita Ghosh, Haseen Rahman, Manjesh K. Hanawal, and Nikola Zlatanov
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 7.253481390411171
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Millimeter wave (mmWave) communications have a broad spectrum and can support
data rates in the order of gigabits per second, as envisioned in 5G systems.
However, they cannot be used for long distances due to their sensitivity to
attenuation loss. To enable their use in the 5G network, it requires that the
transmission energy be focused in sharp pencil beams. As any misalignment
between the transmitter and receiver beam pair can reduce the data rate
significantly, it is important that they are aligned as much as possible. To
find the best transmit-receive beam pair, recent beam alignment (BA) techniques
examine the entire beam space, which might result in a large amount of BA
latency. Recent works propose to adaptively select the beams such that the
cumulative reward measured in terms of received signal strength or throughput
is maximized. In this paper, we develop an algorithm that exploits the unimodal
structure of the received signal strengths of the beams to identify the best
beam in a finite time using pure exploration strategies. Strategies that
identify the best beam in a fixed time slot are more suitable for wireless
network protocol design than cumulative reward maximization strategies that
continuously perform exploration and exploitation. Our algorithm is named
Unimodal Bandit for Best Beam (UB3) and identifies the best beam with a high
probability in a few rounds. We prove that the error exponent in the
probability does not depend on the number of beams and show that this is indeed
the case by establishing a lower bound for the unimodal bandits. We demonstrate
that UB3 outperforms the state-of-the-art algorithms through extensive
simulations. Moreover, our algorithm is simple to implement and has lower
computational complexity.
- Abstract（参考訳）: ミリ波(mmWave)通信は広帯域であり、5Gシステムで想定されるように、毎秒ギガビットのデータレートをサポートすることができる。
しかし、減衰損失に対する感受性のため長距離では使用できない。
5gネットワークでの使用を有効にするには、伝送エネルギーを鋭い鉛筆ビームに集中する必要がある。
送信機と受信機ビームのペア間の不一致がデータレートを大幅に低減できるため、可能な限り整列することが重要である。
最高の送受信ビームペアを見つけるために、最近のビームアライメント(ba)技術はビーム空間全体を検査し、結果として大量のba遅延が発生する可能性がある。
近年,受信信号強度やスループットで測定した累積報酬を最大化するビームを適応的に選択する手法が提案されている。
本稿では、受信したビームの信号強度の一様構造を利用して、純粋な探索手法を用いて、有限時間で最良のビームを識別するアルゴリズムを開発する。
固定時間スロット内の最良ビームを特定する戦略は、探索と搾取を継続的に行う累積報酬最大化戦略よりも無線ネットワークプロトコル設計に適している。
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。
確率の誤差指数はビーム数に依存しないことを証明し、この場合はユニモーダルバンドイットの下限を確立することによって真に正しいことを示す。
UB3は広範囲なシミュレーションにより最先端のアルゴリズムよりも優れていることを示す。
さらに,本アルゴリズムは実装が簡単で,計算量も少ない。
関連論文リスト
- 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) - 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) - Efficient Beam Search for Initial Access Using Collaborative Filtering [1.496194593196997]
ビームフォーミング可能なアンテナアレイは、高いキャリア周波数での高自由空間パス損失を克服する。
ビームは、最高出力がユーザ機器(UE)に向けて放射される(かつ受信される)ことを保証するために、適切にアライメントされなければならない。
論文 参考訳（メタデータ） (2022-09-14T14:25:56Z) - Bayesian Optimization-Based Beam Alignment for MmWave MIMO Communication
Systems [1.7467279441152421]
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。
論文 参考訳（メタデータ） (2022-07-28T15:37:49Z) - LiDAR Distillation: Bridging the Beam-Induced Domain Gap for 3D Object
Detection [96.63947479020631]
多くの現実世界の応用において、大量生産されたロボットや車両が使用するLiDARポイントは通常、大規模な公開データセットよりもビームが少ない。
異なるLiDARビームによって誘導される領域ギャップをブリッジして3次元物体検出を行うLiDAR蒸留法を提案する。
論文 参考訳（メタデータ） (2022-03-28T17:59:02Z) - End-To-End Optimization of LiDAR Beam Configuration for 3D Object
Detection and Localization [87.56144220508587]
与えられたアプリケーションに対するLiDARビーム構成の最適化を学ぶために、新しい経路を取る。
ビーム構成を自動的に最適化する強化学習に基づく学習最適化フレームワークを提案する。
本手法は低解像度(低コスト)のLiDARが必要な場合に特に有用である。
論文 参考訳（メタデータ） (2022-01-11T09:46:31Z) - Adversarial Attacks on Deep Learning Based mmWave Beam Prediction in 5G
and Beyond [46.34482158291128]
ディープニューラルネットワーク(DNN)は、受信信号強度(RSS)を用いて各UEに最もスランシングされたビームを、可能な狭いビームのサブセットから予測することができる。
そこで本稿では,DNN への入力として,航空機上で捕獲した RSS を操作するための摂動を発生させることにより,敵攻撃を提案する。
この攻撃によりIA性能が大幅に低下し、DNNはガウスや均一なノイズで攻撃を妨害するよりも小さなRSSのビームを選択することにだまされる。
論文 参考訳（メタデータ） (2021-03-25T17:25:21Z) - On Single-User Interactive Beam Alignment in Next Generation Systems: A
Deep Learning Viewpoint [32.02074315139823]
ミリ波やテラヘルツなどの高周波での通信は、高い経路損失と激しい影に苦しんでいます。
ビームアライメント戦略は、これらのチャネルクラスタの方向を見つけ、データ伝送に使用されるビームの幅を調整するために用いられる。
論文 参考訳（メタデータ） (2021-02-20T02:15:15Z) - StrObe: Streaming Object Detection from LiDAR Packets [73.27333924964306]
ローリングシャッターのLiDARはパケットのストリームとして出力され、それぞれ360degのカバレッジのセクターをカバーする。
現代の認識アルゴリズムは、データを処理する前に全スイープが構築されるのを待つ。
本稿では,LiDARパケットを取り込み,全スイープが構築されるのを待たずに検出ストリームを出力することで,レイテンシを最小化する新しいアプローチであるStrObeを提案する。
論文 参考訳（メタデータ） (2020-11-12T14:57:44Z) - 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。