Fugu-MT 論文翻訳(概要): Mitigating Pilot Contamination and Enabling IoT Scalability in Massive MIMO Systems

論文の概要: Mitigating Pilot Contamination and Enabling IoT Scalability in Massive MIMO Systems

arxiv url: http://arxiv.org/abs/2310.03278v1
Date: Thu, 5 Oct 2023 03:06:09 GMT
ステータス: 処理完了
システム内更新日: 2023-10-06 19:29:02.135918
Title: Mitigating Pilot Contamination and Enabling IoT Scalability in Massive MIMO Systems
Title（参考訳）: 大規模MIMOシステムにおけるパイロット汚染の軽減とIoTスケーラビリティの実現
Authors: Muhammad Kamran Saeed and Ahmed E. Kamal and Ashfaq Khokhar
Abstract要約: 大規模MIMOシステムにおけるパイロット汚染とスケーラビリティの問題に対処する。我々は,IoTデバイスのデータ転送パターンに基づいた,革新的なパイロットアロケーション方式を考案する。
参考スコア（独自算出の注目度）: 1.8198370834761697
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Massive MIMO is expected to play an important role in the development of 5G networks. This paper addresses the issue of pilot contamination and scalability in massive MIMO systems. The current practice of reusing orthogonal pilot sequences in adjacent cells leads to difficulty in differentiating incoming inter- and intra-cell pilot sequences. One possible solution is to increase the number of orthogonal pilot sequences, which results in dedicating more space of coherence block to pilot transmission than data transmission. This, in turn, also hinders the scalability of massive MIMO systems, particularly in accommodating a large number of IoT devices within a cell. To overcome these challenges, this paper devises an innovative pilot allocation scheme based on the data transfer patterns of IoT devices. The scheme assigns orthogonal pilot sequences to clusters of devices instead of individual devices, allowing multiple devices to utilize the same pilot for periodically transmitting data. Moreover, we formulate the pilot assignment problem as a graph coloring problem and use the max k-cut graph partitioning approach to overcome the pilot contamination in a multicell massive MIMO system. The proposed scheme significantly improves the spectral efficiency and enables the scalability of massive MIMO systems; for instance, by using ten orthogonal pilot sequences, we are able to accommodate 200 devices with only a 12.5% omission rate.
Abstract（参考訳）: 大規模MIMOは5Gネットワークの開発において重要な役割を果たすことが期待されている。大規模MIMOシステムにおけるパイロット汚染とスケーラビリティの問題に対処する。隣接する細胞で直交パイロット配列を再利用するという現在の慣行は、細胞間パイロット配列と細胞内パイロット配列の区別が困難になる。可能な1つの解決策は直交パイロットシーケンスの数を増やすことである。これにより、データ送信よりもパイロット送信にコヒーレンスブロックのスペースを割くことになる。これにより、大規模なMIMOシステムのスケーラビリティ、特に多数のIoTデバイスをセル内に収容する際のスケーラビリティも阻害される。これらの課題を克服するために,IoTデバイスのデータ転送パターンに基づいた,革新的なパイロットアロケーション方式を提案する。このスキームでは、個々のデバイスではなく、デバイスクラスタに直交パイロットシーケンスを割り当て、複数のデバイスが定期的なデータ送信に同じパイロットを使用することができる。さらに,パイロット割当問題をグラフカラー化問題として定式化し,最大kカットグラフ分割手法を用いてマルチセルMIMOシステムにおけるパイロット汚染を克服する。提案手法はスペクトル効率を大幅に改善し,大規模なMIMOシステムのスケーラビリティを実現する。例えば,10個の直交パイロットシーケンスを用いることで,12.5%の省略率で200個のデバイスに対応できる。

関連論文リスト

Pilot Contamination in Massive MIMO Systems: Challenges and Future Prospects [0.0]
大規模多重入力多重出力(M-MIMO)技術は,第5世代(5G)および通信システムにおいて重要な役割を担っている。本稿では,パイロット汚染の軽減とチャネル推定の改善に関する最近の研究課題を概説する。
論文参考訳（メタデータ） (2024-04-30T03:52:00Z)
Smart Pilot Assignment for IoT in Massive MIMO Systems: A Path Towards Scalable IoT Infrastructure [0.0]
M-MIMOは、インテリジェントなユーザスケジューリングを利用することで、ネットワーク効率を高め、ユーザエクスペリエンスを向上させる。本稿では,IoTデバイス用に設計したユーザスケジューリング方式とパイロット割り当て方式を提案する。 M-MIMOシステムにおけるIoTデバイスのスケーラビリティ向上のために,ユーザクラスタリングに基づくパイロットアロケーション方式を利用する。
論文参考訳（メタデータ） (2024-04-16T00:04:46Z)
Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual Antenna Arrays [55.736718475856726]
無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
論文参考訳（メタデータ） (2023-08-03T02:49:50Z)
Signal Detection in MIMO Systems with Hardware Imperfections: Message Passing on Neural Networks [101.59367762974371]
本稿では,Multi-Input-multiple-output (MIMO)通信システムにおける信号検出について検討する。パイロット信号が限られているディープニューラルネットワーク(DNN)のトレーニングは困難であり、実用化を妨げている。我々は、ユニタリ近似メッセージパッシング(UAMP)アルゴリズムを利用して、効率的なメッセージパッシングに基づくベイズ信号検出器を設計する。
論文参考訳（メタデータ） (2022-10-08T04:32:58Z)
Over-the-Air Multi-Task Federated Learning Over MIMO Interference Channel [17.362158131772127]
We study over-the-air multi-task FL (OA-MTFL) over the multiple-input multiple-output (MIMO) interference channel。そこで本研究では,各デバイスに局所勾配をアライメントするモデルアグリゲーション手法を提案する。新たなモデルアグリゲーション手法を用いることで,デバイス選択はもはや我々の計画に必須ではないことを示す。
論文参考訳（メタデータ） (2021-12-27T10:42:04Z)
DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文参考訳（メタデータ） (2021-09-08T14:07:55Z)
Cluster-Based Cooperative Digital Over-the-Air Aggregation for Wireless Federated Edge Learning [9.179817518536545]
空気上計算(AirComp)を用いた無線エッジにおける連合学習システムについて検討する。このようなシステムでは、ユーザは、高速なモデルアグリゲーションを実現するために、マルチアクセスチャネル上でメッセージを同時に送信する。本稿では,ユーザが位相補正を行い,全電力で送信する送信機の要求を緩和する改良されたディジタルAirComp方式を提案する。
論文参考訳（メタデータ） (2020-08-03T16:29:52Z)
Transfer Learning for Motor Imagery Based Brain-Computer Interfaces: A Complete Pipeline [54.73337667795997]
移動学習(TL)は、新しい被験者の校正作業を減らすために、運動画像(MI)ベースの脳-コンピュータインタフェース(BCI)に広く用いられている。本稿では,MIベースのBCIの3つのコンポーネント(空間フィルタリング,特徴工学,分類)すべてにおいてTLが考慮できることを示す。
論文参考訳（メタデータ） (2020-07-03T23:44:21Z)
Pruning the Pilots: Deep Learning-Based Pilot Design and Channel Estimation for MIMO-OFDM Systems [8.401473551081748]
本稿では,ニューラルネットワークを用いた共同パイロット設計とダウンリンクチャネル推定手法を提案する。提案したNNアーキテクチャは、周波数対応のパイロット設計に完全連結層を使用し、線形最小二乗誤差(LMMSE)推定に優れる。また、トレーニング中に高密度のNN層から少ない有意なニューロンを徐々に刈り取ることにより、効果的なパイロットリダクション手法を提案する。
論文参考訳（メタデータ） (2020-06-21T13:10:26Z)
A Compressive Sensing Approach for Federated Learning over Massive MIMO Communication Systems [82.2513703281725]
フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
論文参考訳（メタデータ） (2020-03-18T05:56:27Z)
Federated Learning in the Sky: Joint Power Allocation and Scheduling with UAV Swarms [98.78553146823829]
無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
論文参考訳（メタデータ） (2020-02-19T14:04:01Z)

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。