論文の概要: Hybrid Knowledge-Data Driven Channel Semantic Acquisition and
Beamforming for Cell-Free Massive MIMO
- arxiv url: http://arxiv.org/abs/2307.03070v1
- Date: Thu, 6 Jul 2023 15:35:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-10 14:25:22.469388
- Title: Hybrid Knowledge-Data Driven Channel Semantic Acquisition and
Beamforming for Cell-Free Massive MIMO
- Title（参考訳）: セルフリー大量MIMOのためのハイブリッド知識駆動チャネルセマンティック獲得とビームフォーミング
- Authors: Zhen Gao, Shicong Liu, Yu Su, Zhongxiang Li, Dezhi Zheng
- Abstract要約: 本稿では、ユビキタス・拡張現実(XR)アプリケーションのサポートを改善するために、屋外無線システムの進歩に焦点を当てる。
セルレス大規模マルチインプットマルチアウトプット(MIMO)システムにおいて,チャネル意味獲得とマルチユーザビームフォーミングのためのハイブリッド知識データ駆動方式を提案する。
- 参考スコア（独自算出の注目度）: 6.010360758759109
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper focuses on advancing outdoor wireless systems to better support
ubiquitous extended reality (XR) applications, and close the gap with current
indoor wireless transmission capabilities. We propose a hybrid knowledge-data
driven method for channel semantic acquisition and multi-user beamforming in
cell-free massive multiple-input multiple-output (MIMO) systems. Specifically,
we firstly propose a data-driven multiple layer perceptron (MLP)-Mixer-based
auto-encoder for channel semantic acquisition, where the pilot signals, CSI
quantizer for channel semantic embedding, and CSI reconstruction for channel
semantic extraction are jointly optimized in an end-to-end manner. Moreover,
based on the acquired channel semantic, we further propose a knowledge-driven
deep-unfolding multi-user beamformer, which is capable of achieving good
spectral efficiency with robustness to imperfect CSI in outdoor XR scenarios.
By unfolding conventional successive over-relaxation (SOR)-based linear
beamforming scheme with deep learning, the proposed beamforming scheme is
capable of adaptively learning the optimal parameters to accelerate convergence
and improve the robustness to imperfect CSI. The proposed deep unfolding
beamforming scheme can be used for access points (APs) with fully-digital array
and APs with hybrid analog-digital array structure. Simulation results
demonstrate the effectiveness of our proposed scheme in improving the accuracy
of channel acquisition, as well as reducing complexity in both CSI acquisition
and beamformer design. The proposed beamforming method achieves approximately
96% of the converged spectrum efficiency performance after only three
iterations in downlink transmission, demonstrating its efficacy and potential
to improve outdoor XR applications.
- Abstract（参考訳）: 本稿では,ユビキタスな拡張現実(XR)アプリケーションをサポートし,現在の屋内無線通信能力とのギャップを埋めるため,屋外無線システムの進歩に焦点をあてる。
セルレス大規模マルチインプットマルチアウトプット(MIMO)システムにおけるチャネル意味獲得とマルチユーザビームフォーミングのためのハイブリッド知識データ駆動方式を提案する。
具体的には、まず、パイロット信号、チャネルセマンティック埋め込みのためのCSI量子化器、チャネルセマンティック抽出のためのCSI再構成をエンドツーエンドで共同で最適化する、チャネルセマンティック取得のためのデータ駆動多重層パーセプトロン(MLP)ベースの自動エンコーダを提案する。
さらに、取得したチャネルセマンティクスに基づいて、屋外XRシナリオにおけるCSIの完全性に優れたスペクトル効率を実現することができる知識駆動型深層展開型マルチユーザビームフォーマを提案する。
従来の逐次オーバーリラクシエーション(sor)に基づく線形ビームフォーミングスキームをディープラーニングで展開することにより,最適なパラメータを適応的に学習し,収束を加速し,不完全csiに対するロバスト性を向上させることができる。
提案手法は,完全ディジタルアレーを用いたアクセスポイント (aps) と,アナログ-デジタルアレーのハイブリッド構造を持つapsに対して使用可能である。
シミュレーションの結果,提案手法がチャネル獲得精度の向上に有効であり,csi取得とビームフォーマ設計の複雑さを低減できることを示した。
提案手法は,ダウンリンク伝送を3回繰り返しただけで,収束スペクトル効率の約96%を達成し,その効果とアウトドアxr応用の可能性を示した。
関連論文リスト
- Joint Channel Estimation and Feedback with Masked Token Transformers in
Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。
エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。
提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文 参考訳（メタデータ） (2023-06-08T06:15:17Z) - 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) - Hybrid Far- and Near-Field Channel Estimation for THz Ultra-Massive MIMO
via Fixed Point Networks [15.498866529344275]
テラヘルツ超大容量多重出力(THz UM-MIMO)は6G無線システムのキーイネーブラーとして想定されている。
我々は適応的複雑性と線形収束保証を備えた効率的なディープラーニングに基づくチャネル推定器を開発した。
アルゴリズムの大きな革新は、任意の深さでニューラルネットワークをモデリングし、ハイブリッドフィールドのチャネル条件に適応しながら、チャネル推定を計算するために固定点を適用することである。
論文 参考訳（メタデータ） (2022-05-10T14:57:56Z) - Data-Driven Deep Learning Based Hybrid Beamforming for Aerial Massive
MIMO-OFDM Systems with Implicit CSI [29.11998008894847]
本稿では,データ駆動型深層学習に基づく統合ハイブリッドビームフォーミングフレームワークを提案する。
TDDシステムでは、提案されたDLベースのアプローチは、E2Eニューラルネットワークとして、アップリンクパイロットの組み合わせとダウンリンクハイブリッドビームフォーミングモジュールを共同でモデル化する。
FDDシステムにおいて、我々は、E2Eニューラルネットワークとして、ダウンリンクパイロットトランスミッション、アップリンクCSIフィードバック、およびダウンリンクハイブリッドビームフォーミングモジュールを共同でモデル化する。
論文 参考訳（メタデータ） (2022-01-18T07:21:00Z) - Neural Calibration for Scalable Beamforming in FDD Massive MIMO with
Implicit Channel Estimation [10.775558382613077]
チャネル推定とビームフォーミングは、周波数分割二重化(FDD)大規模マルチインプット多重出力(MIMO)システムにおいて重要な役割を果たす。
受信したアップリンクパイロットに応じて,基地局のビームフォーマを直接最適化する深層学習方式を提案する。
エンド・ツー・エンドの設計のスケーラビリティを向上させるために,ニューラルキャリブレーション法を提案する。
論文 参考訳（メタデータ） (2021-08-03T14:26:14Z) - Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。
推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。
提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
論文 参考訳（メタデータ） (2021-07-27T06:57:56Z) - Deep Learning Based Antenna Selection for Channel Extrapolation in FDD
Massive MIMO [54.54508321463112]
大規模なマルチインプット多重出力(MIMO)システムでは、多数のアンテナが正確なチャネル状態情報を取得する上で大きな課題となる。
ニューラルネットワーク(NN)を用いて、アップリンクとダウンリンクチャネルデータセット間の固有の接続を捕捉し、アップリンクチャネル状態情報のサブセットからダウンリンクチャネルを外挿する。
アンテナサブセット選択問題について検討し、最高のチャネル外挿を実現し、NNのデータサイズを小さくする。
論文 参考訳（メタデータ） (2020-09-03T13:38:52Z) - 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) - 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) - RSSI-Based Hybrid Beamforming Design with Deep Learning [4.037009782513272]
ハイブリッドビームフォーミングは、5Gミリ波通信の有望な技術である。
実践的なマルチインプットマルチアウトプットシステムでは実装が困難である。
適切な学習と関連する最適化を行うために,ディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2020-03-12T22:22:49Z) - Millimeter Wave Communications with an Intelligent Reflector:
Performance Optimization and Distributional Reinforcement Learning [119.97450366894718]
ミリ波基地局のダウンリンクマルチユーザ通信を最適化するための新しいフレームワークを提案する。
チャネル状態情報(CSI)をリアルタイムで計測するために,チャネル推定手法を開発した。
最適赤外反射を学習し、ダウンリンク能力の期待を最大化するために、分布強化学習(DRL)手法を提案する。
論文 参考訳（メタデータ） (2020-02-24T22:18:54Z)
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。