論文の概要: Channel Estimation in RIS-Enabled mmWave Wireless Systems: A Variational
Inference Approach
- arxiv url: http://arxiv.org/abs/2308.13616v2
- Date: Sat, 16 Dec 2023 18:36:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-19 20:22:43.854006
- Title: Channel Estimation in RIS-Enabled mmWave Wireless Systems: A Variational
Inference Approach
- Title（参考訳）: RIS-Enabled mmWave無線システムにおけるチャネル推定:変分推論手法
- Authors: Firas Fredj, Amal Feriani, Amine Mezghani, Ekram Hossain
- Abstract要約: 完全受動RIS支援通信システムにおけるチャネル推定問題について検討する。
まず, UE-RIS と RIS-BS の同時チャネル状態情報 (I-CSI) を共同で推定するために, 変動推論 (VI) アプローチを採用する。
次に、UE-RISリンクの低変量統計CSIを高変量I-CSIを克服するために、最初のアプローチを拡張した。
- 参考スコア（独自算出の注目度）: 19.748435313030566
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Channel estimation in reconfigurable intelligent surfaces (RIS)-aided systems
is crucial for optimal configuration of the RIS and various downstream tasks
such as user localization. In RIS-aided systems, channel estimation involves
estimating two channels for the user-RIS (UE-RIS) and RIS-base station (RIS-BS)
links. In the literature, two approaches are proposed: (i) cascaded channel
estimation where the two channels are collapsed into a single one and estimated
using training signals at the BS, and (ii) separate channel estimation that
estimates each channel separately either in a passive or semi-passive RIS
setting. In this work, we study the separate channel estimation problem in a
fully passive RIS-aided millimeter-wave (mmWave) single-user single-input
multiple-output (SIMO) communication system. First, we adopt a
variational-inference (VI) approach to jointly estimate the UE-RIS and RIS-BS
instantaneous channel state information (I-CSI). In particular, auxiliary
posterior distributions of the I-CSI are learned through the maximization of
the evidence lower bound. However, estimating the I-CSI for both links in every
coherence block results in a high signaling overhead to control the RIS in
scenarios with highly mobile users. Thus, we extend our first approach to
estimate the slow-varying statistical CSI of the UE-RIS link overcoming the
highly variant I-CSI. Precisely, our second method estimates the I-CSI of
RIS-BS channel and the UE-RIS channel covariance matrix (CCM) directly from the
uplink training signals in a fully passive RIS-aided system. The simulation
results demonstrate that using maximum a posteriori channel estimation using
the auxiliary posteriors can provide a capacity that approaches the capacity
with perfect CSI.
- Abstract（参考訳）: 再構成可能なインテリジェントサーフェス(RIS)支援システムにおけるチャネル推定は、RISの最適構成とユーザローカライゼーションなどの下流タスクに不可欠である。
RIS支援システムでは、ユーザ-RIS (UE-RIS) と RIS-BS (RIS-BS) の2つのチャネルを推定する。
文献では2つのアプローチが提案されている。
(i)BSでのトレーニング信号を用いて、2つのチャンネルを1つのチャンネルに分解して推定するカスケードチャネル推定
(II)各チャネルを受動的または半パッシブRIS設定で別々に推定する個別チャネル推定法。
本研究では,完全受動RIS支援ミリ波(mmWave)単一ユーザシングルインプットマルチアウトプット(SIMO)通信システムにおける個別チャネル推定問題について検討する。
まず, UE-RIS と RIS-BS の同時チャネル状態情報 (I-CSI) を共同で推定するために, 変動推論 (VI) アプローチを採用する。
特に、I-CSIの後続分布は、証拠の下位境界の最大化によって学習される。
しかし、各コヒーレンスブロック内の両方のリンクに対してI-CSIを推定すると、高いモバイルユーザを持つシナリオでRISを制御するためのシグナルのオーバーヘッドが高くなる。
そこで本研究では,i-csiを克服するue-risリンクの遅い統計量csiを推定する最初の手法を拡張する。
本手法では, RIS-BSチャネルのI-CSIとUE-RISチャネル共分散行列(CCM)を, 完全受動RIS支援システムにおけるアップリンク学習信号から直接推定する。
シミュレーションの結果,最大後方チャネル推定値を用いることで,完全なcsiでキャパシティに接近するキャパシティが得られることがわかった。
関連論文リスト
- Machine Learning-Based Channel Prediction for RIS-assisted MIMO Systems With Channel Aging [11.867884158309373]
再構成可能なインテリジェントサーフェス (RIS) は,第6世代 (6G) および通信システムを越えた性能向上のための有望な技術として登場した。
RISの受動的性質とその多数の反射要素は、チャネル推定プロセスに困難をもたらす。
本稿では、自己回帰(AR)予測器と統合された畳み込みニューラルネットワーク(CNN)に基づく、RIS支援マルチインプットマルチアウトプット(MIMO)システムのための拡張チャネル推定フレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-09T19:45:49Z) - Extreme Learning Machine-based Channel Estimation in IRS-Assisted Multi-User ISAC System [32.74137740936128]
本稿では、IRS支援マルチユーザISACシステムに対して、初めて実用的なチャネル推定手法を提案する。
全体推定問題をサブ1に転送する2段階の手法を提案する。
ISAC BSとダウンリンクユーザの低コスト要求を考慮して、提案した2段階のアプローチは、効率的なニューラルネットワーク(NN)フレームワークによって実現されている。
論文 参考訳（メタデータ） (2024-01-29T14:15:11Z) - 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) - Spatial Processing Front-End For Distant ASR Exploiting Self-Attention
Channel Combinator [11.248169478873344]
Weighted Prediction Error (WPE) 法によるチャネル短縮に基づく新しいマルチチャネルフロントエンドを提案する。
本研究では,ContextNetをベースとしたエンド・ツー・エンド(E2E)ASRシステムの一部として提案するシステムが,主要なASRシステムより優れていることを示す。
論文 参考訳（メタデータ） (2022-03-25T21:43:15Z) - Time-Varying Channel Prediction for RIS-Assisted MU-MISO Networks via
Deep Learning [15.444805225936992]
再構成可能なインテリジェントサーフェス(RIS)は、無線通信の信号伝送品質を改善するための有望な技術となっている。
しかし、RISアシストシステムでは、正確で低レイテンシで低パイロットオーバヘッドチャネル状態情報(CSI)の取得が大きな課題となっている。
CSIを必要とする3段階のジョイントチャネル分解および予測フレームワークを提案する。
論文 参考訳（メタデータ） (2021-11-09T07:26:51Z) - 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) - 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) - 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) - Channel Estimation for RIS-Empowered Multi-User MISO Wireless
Communications [35.207416803526876]
基地局とRIS間のチャネルに対する2つの反復推定アルゴリズムを提案する。
1つは交互最小二乗法(ALS)に基づいており、もう1つはベクトル近似メッセージを使って2つの未知のチャネルを反復的に再構築する。
また、推定チャネルと基地局の異なるプリコーディング方式を用いて、ダウンリンク達成可能な総和率についても論じる。
論文 参考訳（メタデータ） (2020-08-04T10:53:51Z) - 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) - 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。