論文の概要: Optimizing Multicarrier Multiantenna Systems for LoS Channel Charting

• arxiv url: http://arxiv.org/abs/2310.03762v2
• Date: Tue, 23 Jul 2024 08:39:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-24 23:33:02.443527
• Title: Optimizing Multicarrier Multiantenna Systems for LoS Channel Charting
• Title（参考訳）: LoSチャネルチャートのためのマルチキャリアマルチアンテナシステムの最適化
• Authors: Taha Yassine, Luc Le Magoarou, Matthieu Crussière, Stephane Paquelet,
• Abstract要約: チャネルチャート(CC)は、生のチャネル観測の空間と、近接点がユーザ機器(UE)のチャネルと空間的に近接する低次元空間の間のマッピングを学習する。 このマッピングを学習する様々な方法のなかには、チャネルベクトル間の距離測定に依存するものもある。
• 参考スコア（独自算出の注目度）: 6.6297544881511055
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Channel charting (CC) consists in learning a mapping between the space of raw channel observations, made available from pilot-based channel estimation in multicarrier multiantenna system, and a low-dimensional space where close points correspond to channels of user equipments (UEs) close spatially. Among the different methods of learning this mapping, some rely on a distance measure between channel vectors. Such a distance should reliably reflect the local spatial neighborhoods of the UEs. The recently proposed phase-insensitive (PI) distance exhibits good properties in this regards, but suffers from ambiguities due to both its periodic and oscillatory aspects, making users far away from each other appear closer in some cases. In this paper, a thorough theoretical analysis of the said distance and its limitations is provided, giving insights on how they can be mitigated. Guidelines for designing systems capable of learning quality charts are consequently derived. Experimental validation is then conducted on synthetic and realistic data in different scenarios.
• Abstract（参考訳）: チャネルチャート(CC)は、マルチキャリアマルチアンテナシステムにおけるパイロットベースのチャネル推定から得られる生チャネル観測の空間と、近接点がユーザ機器(UE)のチャネルに近接する低次元空間との間のマッピングを学習するものである。 このマッピングを学習する様々な方法のなかには、チャネルベクトル間の距離測定に依存するものもある。 このような距離は、UEの局所的な空間的近傍を確実に反映すべきである。 最近提案された位相非感性距離(PI)は、この点において良好な性質を示すが、周期的・振動的側面の両面からあいまいさに悩まされ、ユーザ同士の距離が近づいた場合もある。 本稿では, その距離とその制限について, 徹底的な理論的解析を行い, その緩和方法について考察する。 その結果、品質チャートを学習できるシステム設計ガイドラインが導出される。 次に、異なるシナリオにおける合成および現実的なデータに対して実験的検証を行う。

関連論文リスト

• Deep Learning-Based Pilotless Spatial Multiplexing [8.68775490839808]
  送信機と受信機を共同で訓練することにより、送信機は空間ストリームのこのような星座形状を学習できることを示す。 チャネル推定パイロットのないMLベースの空間多重化が実証されたのはこれが初めてである。 その結果、学習したパイロットレススキームは、スペクトル効率の点で従来のパイロットベースシステムよりも最大で15～20%優れていた。
  論文  参考訳（メタデータ） (2023-12-08T16:38:02Z)
• Channel Estimation for Underwater Visible Light Communication: A Sparse Learning Perspective [1.7830921962643287]
  本稿では,スパース学習に基づく水中可視光チャネル推定(SL-UVCE)手法を提案する。 具体的には、近似メッセージパッシング(AMP)の古典的反復スパース回復アルゴリズムを模倣したディープアンフォールディングニューラルネットワークを用いる。 提案手法は,既存の非CS方式やCS方式と比較して,チャネル推定における精度の向上を示す。
  論文  参考訳（メタデータ） (2023-03-13T16:22:16Z)
• A Survey on Deep Learning based Channel Estimation in Doubly Dispersive Environments [7.310043452300738]
  無線通信システムは、動的環境におけるマルチパスのフェージングとドップラーシフトの影響を受けている。 従来の方法では、データ転送速度を維持するために、チャネル推定に数名のパイロットしか使われていない。 深層学習は、その低複雑さ、堅牢性、そして優れた一般化能力のために、二重分散チャネル推定に使われている。
  論文  参考訳（メタデータ） (2022-06-05T12:44:50Z)
• iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
  iSDFは実時間符号付き距離場再構成のための連続学習システムである。 より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
  論文  参考訳（メタデータ） (2022-04-05T15:48:39Z)
• 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)
• 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)
• Channelized Axial Attention for Semantic Segmentation [70.14921019774793]
  チャネルアキシャルアテンション(CAA)を提案し、チャネルアテンションと軸アテンションをシームレスに統合し、計算複雑性を低減します。 私たちのCAAは、DANetのような他の注意モデルに比べて計算リソースをはるかに少なくするだけでなく、すべての検証済みデータセット上で最先端のResNet-101ベースのセグメンテーションモデルよりも優れています。
  論文  参考訳（メタデータ） (2021-01-19T03:08:03Z)
• Channel Gain Cartography via Mixture of Experts [18.126535422561766]
  このようなスペクトルマップを構築するためのほとんどのアプローチは位置ベースであり、つまり推定関数への入力変数は空間的位置の対である。 スペクトルパワーマップでは、位置情報の推定ではなく、位置信号から抽出された特徴からマップへの入力変数が構成される。 本研究は,CGマップにおける位置自由な特徴の適応とは別に,両手法を組み合わせられる手法を提案する。
  論文  参考訳（メタデータ） (2020-12-08T09:06:57Z)
• Channel-wise Knowledge Distillation for Dense Prediction [73.99057249472735]
  本稿では,学生ネットワークと教師ネットワークのチャンネルワイズ機能について提案する。 様々なネットワーク構造を持つ3つのベンチマークにおいて、一貫して優れた性能を実現している。
  論文  参考訳（メタデータ） (2020-11-26T12:00:38Z)
• Hierarchical Optimal Transport for Robust Multi-View Learning [97.21355697826345]
  2つの仮定は実際には疑わしいが、これは多視点学習の適用を制限する。 本稿では,これら2つの仮定への依存性を軽減するために,階層的最適輸送法を提案する。 HOT法は教師なし学習と半教師付き学習の両方に適用でき、実験結果から、合成タスクと実世界のタスクの両方で堅牢に動作することが示された。
  論文  参考訳（メタデータ） (2020-06-04T22:24:45Z)

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。