論文の概要: Deep Learning and Image Super-Resolution-Guided Beam and Power
Allocation for mmWave Networks
- arxiv url: http://arxiv.org/abs/2305.13929v1
- Date: Mon, 8 May 2023 05:40:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-28 04:58:43.790485
- Title: Deep Learning and Image Super-Resolution-Guided Beam and Power
Allocation for mmWave Networks
- Title(参考訳): mmwaveネットワークにおける深層学習と超解像誘導ビームと電力割り当て
- Authors: Yuwen Cao, Tomoaki Ohtsuki, Setareh Maghsudi, and Tony Q. S. Quek
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 80.37827344656048
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we develop a deep learning (DL)-guided hybrid beam and power
allocation approach for multiuser millimeter-wave (mmWave) networks, which
facilitates swift beamforming at the base station (BS). The following
persisting challenges motivated our research: (i) User and vehicular mobility,
as well as redundant beam-reselections in mmWave networks, degrade the
efficiency; (ii) Due to the large beamforming dimension at the BS, the
beamforming weights predicted by the cutting-edge DL-based methods often do not
suit the channel distributions; (iii) Co-located user devices may cause a
severe beam conflict, thus deteriorating system performance. To address the
aforementioned challenges, we exploit the synergy of supervised learning and
super-resolution technology to enable low-overhead beam- and power allocation.
In the first step, we propose a method for beam-quality prediction. It is based
on deep learning and explores the relationship between high- and low-resolution
beam images (energy). Afterward, we develop a DL-based allocation approach,
which enables high-accuracy beam and power allocation with only a portion of
the available time-sequential low-resolution images. Theoretical and numerical
results verify the effectiveness of our proposed
- Abstract(参考訳): 本稿では,基地局(BS)における高速ビームフォーミングを容易にするマルチユーザミリ波(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電力配分手法を開発する。
以下の課題が我々の研究を動機づけた。
一 利用者及び車両の移動性及びmWaveネットワークにおける冗長ビーム選択により、効率を低下させる。
(二)BSのビームフォーミング寸法が大きいため、最先端のDL法により予測されるビームフォーミング重量は、チャネル分布に適さないことが多い。
(iii)同一位置のユーザデバイスがビーム衝突を起こし、システム性能が低下する可能性がある。
上記の課題に対処するために,スーパーレゾリューション技術と教師付き学習の相乗効果を活用し,低オーバヘッドビームと電力割り当てを実現する。
まず,ビーム品質予測手法を提案する。
ディープラーニングに基づいて、高解像度と低解像度のビームイメージ(エネルギー)の関係を探求する。
その後,利用可能な時間系列低解像度画像の一部のみを用いて高精度ビームとパワーアロケーションを実現するdlベースのアロケーション手法を開発した。
提案手法の有効性を理論的および数値的に検証した。
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) - Reliable Beamforming at Terahertz Bands: Are Causal Representations the
Way Forward? [85.06664206117088]
マルチユーザ無線システムは、テラヘルツ帯域と大量のアンテナを利用することで、メタバース要件を満たすことができる。
既存の解にはチャネル力学の適切なモデリングが欠如しており、その結果、高流動シナリオにおける不正確なビームフォーミング解が生じる。
ここでは、変分因果推論における新しい人工知能アルゴリズムを利用して、動的で意味論的に認識されたビームフォーミングソリューションを初めて提案する。
論文 参考訳(メタデータ) (2023-03-14T16:02:46Z) - Beam Management in Ultra-dense mmWave Network via Federated
Reinforcement Learning: An Intelligent and Secure Approach [19.01563068819449]
超高密度ミリ波ネットワーク(UDmmWave)の鍵となる課題は、高伝搬遅延制限ビームカバレッジによるビーム管理である。
本稿では,ユーザプライバシを理論的に保護し,ハンドオフコストを低減できる新しいビーム管理手法を提案する。
論文 参考訳(メタデータ) (2022-10-04T01:47:33Z) - Predictive GAN-powered Multi-Objective Optimization for Hybrid Federated
Split Learning [56.125720497163684]
無線ネットワークにおけるハイブリッド・フェデレーション・スプリット・ラーニング・フレームワークを提案する。
ラベル共有のないモデル分割のための並列計算方式を設計し,提案方式が収束速度に与える影響を理論的に解析する。
論文 参考訳(メタデータ) (2022-09-02T10:29:56Z) - Federated Learning over Wireless IoT Networks with Optimized
Communication and Resources [98.18365881575805]
協調学習技術のパラダイムとしてのフェデレートラーニング(FL)は研究の注目を集めている。
無線システム上での高速応答および高精度FLスキームの検証が重要である。
提案する通信効率のよいフェデレーション学習フレームワークは,強い線形速度で収束することを示す。
論文 参考訳(メタデータ) (2021-10-22T13:25:57Z) - A Q-Learning-based Approach for Distributed Beam Scheduling in mmWave
Networks [18.22250038264899]
ミリ波(mmWave)セルネットワークにおける分散ダウンリンクビームスケジューリングと電力配分の問題点を考察する。
異なるサービス事業者に属する複数の基地局は同じ無許可のスペクトルを共有しており、中心的な調整や協調は行われていない。
本稿では,各BSを独立したQ学習エージェントとしてモデル化し,分散スケジューリング手法を提案する。
論文 参考訳(メタデータ) (2021-10-17T02:58:13Z) - A Novel Look at LIDAR-aided Data-driven mmWave Beam Selection [24.711393214172148]
軽量ニューラルネットワーク(NN)アーキテクチャとそれに対応するLIDARプリプロセッシングを提案する。
nnベースのビーム選択方式は、ビーム探索のオーバーヘッドなしに79.9%のスループットを達成でき、95%のスループットを6ビーム以内で探索できる。
論文 参考訳(メタデータ) (2021-04-29T18:07:31Z) - 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) - Deep Learning Methods for Universal MISO Beamforming [19.747638780327257]
このレターは、ダウンリンクマルチユーザマルチアンテナシステムにおけるビームフォーミングベクトルの最適化のためのディープラーニングアプローチについて研究する。
我々は,ビームフォーミング最適化における電力制約の影響を,ディープニューラルネットワーク(DNN)が効果的に学習できるように,和電力予算をサイド情報として活用する。
論文 参考訳(メタデータ) (2020-07-02T02:29:33Z) - Optimization-driven Deep Reinforcement Learning for Robust Beamforming
in IRS-assisted Wireless Communications [54.610318402371185]
Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。
我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。
過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
論文 参考訳(メタデータ) (2020-05-25T01:42:55Z)
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。