論文の概要: Leveraging Variational Autoencoders for Parameterized MMSE Channel
Estimation
- arxiv url: http://arxiv.org/abs/2307.05352v1
- Date: Tue, 11 Jul 2023 15:41:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-12 14:27:52.458958
- Title: Leveraging Variational Autoencoders for Parameterized MMSE Channel
Estimation
- Title(参考訳): パラメータ化MMSEチャネル推定のための変分オートエンコーダの活用
- Authors: Michael Baur, Benedikt Fesl, Wolfgang Utschick
- Abstract要約: 本稿では,生成ニューラルネットワークに基づく変分オートエンコーダをチャネル推定に用いることを提案する。
導出チャネル推定器は変分オートエンコーダの内部構造を利用して平均二乗誤差最適推定器の近似をパラメータ化する。
- 参考スコア(独自算出の注目度): 10.738378139028978
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this manuscript, we propose to utilize the generative neural network-based
variational autoencoder for channel estimation. The variational autoencoder
models the underlying true but unknown channel distribution as a conditional
Gaussian distribution in a novel way. The derived channel estimator exploits
the internal structure of the variational autoencoder to parameterize an
approximation of the mean squared error optimal estimator resulting from the
conditional Gaussian channel models. We provide a rigorous analysis under which
conditions a variational autoencoder-based estimator is mean squared error
optimal. We then present considerations that make the variational
autoencoder-based estimator practical and propose three different estimator
variants that differ in their access to channel knowledge during the training
and evaluation phase. In particular, the proposed estimator variant trained
solely on noisy pilot observations is particularly noteworthy as it does not
require access to noise-free, ground-truth channel data during training or
evaluation. Extensive numerical simulations first analyze the internal behavior
of the variational autoencoder-based estimators and then demonstrate excellent
channel estimation performance compared to related classical and machine
learning-based state-of-the-art channel estimators.
- Abstract(参考訳): 本稿では,生成ニューラルネットワークに基づく変分オートエンコーダを用いたチャネル推定手法を提案する。
変分オートエンコーダは、真だが未知のチャネル分布を条件付きガウス分布として新しい方法でモデル化する。
導出チャネル推定器は、変分オートエンコーダの内部構造を利用して、条件付きガウスチャネルモデルから得られた平均二乗誤差最適推定器の近似をパラメータ化する。
変分オートエンコーダに基づく推定器が平均二乗誤差最適である条件下での厳密な解析を提供する。
そこで我々は,変分自己エンコーダに基づく推定器を実用化し,訓練・評価段階におけるチャネル知識へのアクセスに異なる3つの異なる推定器変種を提案する。
特に、ノイズのない地上の海峡データへのアクセスを必要としないため、ノイズの多いパイロット観測のみに基づいて訓練された推定器が特に注目すべきである。
大規模数値シミュレーションは,まず変分自己エンコーダに基づく推定器の内部挙動を解析し,関連する古典的および機械学習に基づく評価器と比較して優れたチャネル推定性能を示す。
関連論文リスト
- Conformal Approach To Gaussian Process Surrogate Evaluation With
Coverage Guarantees [47.22930583160043]
適応型クロスコンフォーマル予測区間を構築する手法を提案する。
結果として生じる共形予測区間は、ベイズ的信頼性集合に類似した適応性のレベルを示す。
原子炉の蒸気発生器における閉鎖現象の高コスト・評価シミュレータのサロゲートモデリングの文脈において, 本手法の適用可能性を示す。
論文 参考訳(メタデータ) (2024-01-15T14:45:18Z) - Variational Autoencoder Leveraged MMSE Channel Estimation [10.013371919782593]
データ駆動型チャネル推定のための変分オートエンコーダ(VAE)を提案する。
VAEに基づくチャネル推定器がMMSEチャネル推定器を近似する方法について論じる。
推定時にVAEの入力時に完全に既知のチャネル状態が与えられると、これは現実的ではないので、ベンチマーク結果として機能する推定器を得る。
論文 参考訳(メタデータ) (2022-05-11T08:45:54Z) - MIMO Channel Estimation using Score-Based Generative Models [1.6752182911522517]
本稿では,ディープスコアに基づく生成モデルを用いたチャネル推定手法を提案する。
これらのモデルは、対数-主分布の勾配を推定するために訓練され、観測された信号の測定から推定を反復的に洗練するために使用することができる。
論文 参考訳(メタデータ) (2022-04-14T17:23:58Z) - Gradient Estimation with Discrete Stein Operators [47.893414793326194]
離散分布に対するスタイン演算子に基づく分散化手法を提案する。
提案手法は,同数の関数評価値を持つ最先端推定値よりも,かなり低い分散性を実現する。
論文 参考訳(メタデータ) (2022-02-19T02:22:23Z) - A Variational Bayesian Approach to Learning Latent Variables for
Acoustic Knowledge Transfer [55.20627066525205]
本稿では,ディープニューラルネットワーク(DNN)モデルにおける潜伏変数の分布を学習するための変分ベイズ(VB)アプローチを提案する。
我々の提案するVBアプローチは,ターゲットデバイスにおいて良好な改善が得られ,しかも,13の最先端知識伝達アルゴリズムを一貫して上回っている。
論文 参考訳(メタデータ) (2021-10-16T15:54:01Z) - Variational Autoencoder-Based Vehicle Trajectory Prediction with an
Interpretable Latent Space [0.0]
本稿では,車両軌道予測のための教師なし・エンドツーエンドの学習可能なニューラルネットワークであるdescriptive variational autoencoder (dvae)について述べる。
提案モデルは同様の予測精度を提供するが、解釈可能な潜在空間を持つことの利点がある。
論文 参考訳(メタデータ) (2021-03-25T10:15:53Z) - Autoencoding Variational Autoencoder [56.05008520271406]
我々は,この行動が学習表現に与える影響と,自己整合性の概念を導入することでそれを修正する結果について検討する。
自己整合性アプローチで訓練されたエンコーダは、敵攻撃による入力の摂動に対して頑健な(無神経な)表現につながることを示す。
論文 参考訳(メタデータ) (2020-12-07T14:16:14Z) - SUMO: Unbiased Estimation of Log Marginal Probability for Latent
Variable Models [80.22609163316459]
無限級数のランダム化トランケーションに基づく潜在変数モデルに対して、ログ境界確率の非バイアス推定器とその勾配を導入する。
推定器を用いてトレーニングしたモデルは、同じ平均計算コストに対して、標準的な重要度サンプリングに基づくアプローチよりも優れたテストセット確率を与えることを示す。
論文 参考訳(メタデータ) (2020-04-01T11:49:30Z) - Data-Driven Symbol Detection via Model-Based Machine Learning [117.58188185409904]
機械学習(ML)とモデルベースアルゴリズムを組み合わせた,検出設計のシンボル化を目的とした,データ駆動型フレームワークについてレビューする。
このハイブリッドアプローチでは、よく知られたチャネルモデルに基づくアルゴリズムをMLベースのアルゴリズムで拡張し、チャネルモデル依存性を除去する。
提案手法は, 正確なチャネル入出力統計関係を知らなくても, モデルベースアルゴリズムのほぼ最適性能が得られることを示す。
論文 参考訳(メタデータ) (2020-02-14T06:58:27Z)
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。