論文の概要: Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems

• arxiv url: http://arxiv.org/abs/2306.06125v1
• Date: Thu, 8 Jun 2023 06:15:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-13 21:10:30.936092
• Title: Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems
• Title（参考訳）: マスキングトークントランスフォーマによる大規模mimoシステムにおけるジョイントチャネル推定とフィードバック
• Authors: Mingming Zhao, Lin Liu, Lifu Liu, Qi Tian
• Abstract要約: 深層学習に基づく共同チャネル推定およびフィードバックフレームワークを提案する。 具体的には、エンドツーエンドの手法ではなく、従来のチャネル設計を使用します。 マスク付きトークン変換器に着想を得て,優れた推定・圧縮性能を得るための学習可能なマスクトークン手法を提案する。
• 参考スコア（独自算出の注目度）: 79.83189847869382
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: When the base station has downlink channel status information (CSI), the huge potential of large-scale multiple input multiple output (MIMO) in frequency division duplex (FDD) mode can be fully exploited. In this paper, we propose a deep-learning-based joint channel estimation and feedback framework to realize channel estimation and feedback in massive MIMO systems. Specifically, we use traditional channel design rather than end-to-end methods. Our model contains two networks. The first network is a channel estimation network, which adopts a double loss design, and can accurately estimate the full channel information while removing channel noises. The second network is a compression and feedback network. Inspired by the masked token transformer, we propose a learnable mask token method to obtain excellent estimation and compression performance. The extensive simulation results and ablation studies show that our method outperforms state-of-the-art channel estimation and feedback methods in both separate and joint tasks.
• Abstract（参考訳）: 基地局がダウンリンクチャネルステータス情報(CSI)を有する場合、周波数分割二重モード(FDD)における大規模多重入力多重出力(MIMO)の巨大なポテンシャルをフル活用することができる。 本稿では,大規模MIMOシステムにおけるチャネル推定とフィードバックを実現するための,ディープラーニングに基づく共同チャネル推定とフィードバックフレームワークを提案する。 具体的には、エンドツーエンドの手法ではなく、従来のチャネル設計を使用します。 私たちのモデルは2つのネットワークを含んでいる。 第1のネットワークはチャネル推定ネットワークであり、二重損失設計を採用し、チャネルノイズを除去しながらチャネル情報を正確に推定することができる。 第2のネットワークは圧縮とフィードバックのネットワークである。 マスクドトークントランスに着想を得て,優れた推定と圧縮性能を得るための学習可能なマスクトークン法を提案する。 シミュレーション結果とアブレーション実験の結果から,本手法は分離作業と統合作業の両方において最先端のチャネル推定とフィードバック法を上回っていることがわかった。

関連論文リスト

• TBSN: Transformer-Based Blind-Spot Network for Self-Supervised Image Denoising [94.09442506816724]
  BSN(Blind-spot Network)は、自己教師型イメージデノベーション(SSID)において一般的なネットワークアーキテクチャである。 本稿では, ブラインドスポット要求を満たす変圧器演算子の解析と再設計により, 変圧器ベースブラインドスポットネットワーク(TBSN)を提案する。 空間的自己注意のために、注意行列に精巧なマスクを適用して受容場を制限し、拡張された畳み込みを模倣する。 チャネル自己アテンションについては,マルチスケールアーキテクチャの深層部において,チャネル数が空間的サイズよりも大きい場合,盲点情報を漏洩する可能性がある。
  論文  参考訳（メタデータ） (2024-04-11T15:39:10Z)
• Towards Efficient Subarray Hybrid Beamforming: Attention Network-based Practical Feedback in FDD Massive MU-MIMO Systems [9.320559153486885]
  本稿では,チャネル推定とフィードバックのための協調最適化ネットワークを提案する。 実験の結果,提案するネットワークは,リソースに敏感なユーザ機器において10倍以上軽量であることがわかった。
  論文  参考訳（メタデータ） (2023-02-05T15:12:07Z)
• Attention Based Neural Networks for Wireless Channel Estimation [1.0499453838486013]
  本稿では,アテンション機構を利用して最も重要な入力情報に注目するハイブリッドエンコーダデコーダ構造(HA02)を初めて提案する。 特に,変換器エンコーダブロックをエンコーダとして実装し,入力特徴の空間性を達成するとともに,残差ニューラルネットワークをデコーダとして実装する。 本シミュレーションは,チャネル推定のための他の候補ニューラルネットワーク手法と比較して,優れた推定性能を示す。
  論文  参考訳（メタデータ） (2022-04-28T12:54:19Z)
• Channel Estimation Based on Machine Learning Paradigm for Spatial Modulation OFDM [0.0]
  ディープニューラルネットワーク(DNN)は、レイリーフェディングチャネル上のエンドツーエンドデータ検出のための空間変調直交周波数分割多重化(SM-OFDM)技術と統合されている。 提案システムは受信したシンボルを直接復調し,チャネル推定を暗黙的に行う。
  論文  参考訳（メタデータ） (2021-09-15T10:54:56Z)
• Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
  大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。 一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。 本稿では2つの新しい推定法を提案する。
  論文  参考訳（メタデータ） (2021-09-06T13:42:32Z)
• Group Fisher Pruning for Practical Network Compression [58.25776612812883]
  本稿では,様々な複雑な構造に応用可能な汎用チャネルプルーニング手法を提案する。 我々は、単一チャネルと結合チャネルの重要性を評価するために、フィッシャー情報に基づく統一されたメトリクスを導出する。 提案手法は,結合チャネルを含む任意の構造をプルークするために利用できる。
  論文  参考訳（メタデータ） (2021-08-02T08:21:44Z)
• Model-Driven Deep Learning Based Channel Estimation and Feedback for Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
  本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。 無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。 MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-22T13:34:53Z)
• Deep Denoising Neural Network Assisted Compressive Channel Estimation for mmWave Intelligent Reflecting Surfaces [99.34306447202546]
  本稿では,mmWave IRSシステムに対するディープデノイングニューラルネットワークを用いた圧縮チャネル推定法を提案する。 我々はまず、受信チェーンをほとんど使わず、アップリンクのユーザ-IRSチャネルを推定するハイブリッド・パッシブ/アクティブIRSアーキテクチャを導入する。 完全チャネル行列は、圧縮センシングに基づいて限られた測定値から再構成することができる。
  論文  参考訳（メタデータ） (2020-06-03T12:18:57Z)

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。