論文の概要: 2D-RC: Two-Dimensional Neural Network Approach for OTFS Symbol Detection

• arxiv url: http://arxiv.org/abs/2311.08543v1
• Date: Tue, 14 Nov 2023 21:16:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-16 18:17:59.540581
• Title: 2D-RC: Two-Dimensional Neural Network Approach for OTFS Symbol Detection
• Title（参考訳）: 2D-RC:OTFSシンボル検出のための2次元ニューラルネットワークアプローチ
• Authors: Jiarui Xu, Karim Said, Lizhong Zheng, and Lingjia Liu
• Abstract要約: 本稿では,OTFSシステムの構造的知識をサブフレームベースでオンラインシンボル検出の設計に組み込んだ2次元RC(2D-RC)手法を提案する。 チャネル機能を学ぶために複数のRCを必要とする以前の作業とは異なり、2D-RCは検出に1つのニューラルネットワークのみを必要とする。
• 参考スコア（独自算出の注目度）: 29.019014658900463
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Orthogonal time frequency space (OTFS) is a promising modulation scheme for wireless communication in high-mobility scenarios. Recently, a reservoir computing (RC) based approach has been introduced for online subframe-based symbol detection in the OTFS system, where only a limited number of over-the-air (OTA) pilot symbols are utilized for training. However, this approach does not leverage the domain knowledge specific to the OTFS system. This paper introduces a novel two-dimensional RC (2D-RC) method that incorporates the structural knowledge of the OTFS system into the design for online symbol detection on a subframe basis. Specifically, as the channel response acts as a two-dimensional (2D) operation over the transmitted information symbols in the delay-Doppler (DD) domain, the 2D-RC is designed to have a 2D structure to equalize the channel. With the introduced architecture, the 2D-RC can benefit from the predictable channel representation in the DD domain. Moreover, unlike the previous work that requires multiple RCs to learn the channel feature, the 2D-RC only requires a single neural network for detection. Experimental results demonstrate the effectiveness of the 2D-RC approach across different OTFS system variants and modulation orders.
• Abstract（参考訳）: 直交時間周波数空間(OTFS)は、高移動度シナリオにおける無線通信のための有望な変調方式である。 近年,ota(over-the-air-air)パイロットシンボルが限られた数しか使用されていないotfsシステムにおいて,オンラインサブフレームに基づくシンボル検出のためのリザーバコンピューティング(rc)が導入された。 しかし、このアプローチはOTFSシステム固有のドメイン知識を活用できません。 本稿では,OTFSシステムの構造的知識をサブフレームベースでオンラインシンボル検出の設計に組み込んだ2次元RC(2D-RC)手法を提案する。 具体的には、チャネル応答が遅延ドップラー(DD)領域の送信された情報シンボル上の2次元(2D)演算として機能するので、2D-RCはチャネルを等化するために2D構造を持つように設計されている。 導入されたアーキテクチャにより、2D-RCはDDドメインの予測可能なチャネル表現の恩恵を受けることができる。 さらに、チャネル機能を学ぶために複数のRCを必要とする以前の作業とは異なり、2D-RCは検出に1つのニューラルネットワークのみを必要とする。 実験結果から,OTFSシステムにまたがる2D-RC方式の有効性と変調順序が示された。

関連論文リスト

• TCCT-Net: Two-Stream Network Architecture for Fast and Efficient Engagement Estimation via Behavioral Feature Signals [58.865901821451295]
  本稿では,新しい2ストリーム機能融合 "Tensor-Convolution and Convolution-Transformer Network" (TCCT-Net) アーキテクチャを提案する。 時間空間領域における意味のあるパターンをよりよく学習するために、ハイブリッド畳み込み変換器を統合する「CT」ストリームを設計する。 並行して、時間周波数領域からリッチなパターンを効率的に抽出するために、連続ウェーブレット変換(CWT)を用いて情報を2次元テンソル形式で表現する「TC」ストリームを導入する。
  論文  参考訳（メタデータ） (2024-04-15T06:01:48Z)
• Neural Network-based Two-Dimensional Filtering for OTFS Symbol Detection [29.019014658900463]
  OTFSシステムにおいて、オンラインサブフレームベースのシンボル検出のためのReservoir Computing (RC)ベースのアプローチが導入されている。 本稿では,OTFSシステムにおけるサブフレームに基づくオンラインシンボル検出のための2次元RC (2D-RC) 手法を提案する。
  論文  参考訳（メタデータ） (2024-03-08T21:33:41Z)
• ALSTER: A Local Spatio-Temporal Expert for Online 3D Semantic Reconstruction [62.599588577671796]
  本稿では,RGB-Dフレームのストリームから3次元セマンティックマップを段階的に再構成するオンライン3次元セマンティックセマンティックセマンティクス手法を提案する。 オフラインの手法とは異なり、ロボット工学や混合現実のようなリアルタイムな制約のあるシナリオに直接適用できます。
  論文  参考訳（メタデータ） (2023-11-29T20:30:18Z)
• Deep Metric Learning for Unsupervised Remote Sensing Change Detection [60.89777029184023]
  リモートセンシング変化検出(RS-CD)は、マルチテンポラルリモートセンシング画像(MT-RSI)から関連する変化を検出することを目的とする。 既存のRS-CD法の性能は、大規模な注釈付きデータセットのトレーニングによるものである。 本稿では,これらの問題に対処可能なディープメトリック学習に基づく教師なしCD手法を提案する。
  論文  参考訳（メタデータ） (2023-03-16T17:52:45Z)
• Detect to Learn: Structure Learning with Attention and Decision Feedback for MIMO-OFDM Receive Processing [25.66317464603635]
  本稿では、パイロットシンボルを効率的に利用し、検出されたペイロードデータで動的に更新できるオンラインアテンションベースのアプローチであるRC-AttStructNet-DFを提案する。 DF機構は、検出されたデータシンボルを介してチャネル変化を動的に追跡することにより、検出性能をさらに向上する。
  論文  参考訳（メタデータ） (2022-08-17T20:01:05Z)
• RC-Struct: A Structure-based Neural Network Approach for MIMO-OFDM Detection [33.414673669107906]
  信号検出のための構造ベースニューラルネットワークアーキテクチャであるRC-Structを導入する。 RC構造は貯水池計算(RC)を通して信号の時間構造を利用する 紹介されたRC-Structは、5Gと5G Beyondの通信ドメイン知識と学習ベースの受信処理の組み合わせに光を当てている。
  論文  参考訳（メタデータ） (2021-10-03T19:39:21Z)
• LoRD-Net: Unfolded Deep Detection Network with Low-Resolution Receivers [104.01415343139901]
  本稿では,1ビット計測から情報シンボルを復元する「LoRD-Net」というディープ検出器を提案する。 LoRD-Netは、関心のシグナルを回復するためのタスクベースのアーキテクチャである。 無線通信における1ビット信号回復のためのレシーバアーキテクチャの評価を行った。
  論文  参考訳（メタデータ） (2021-02-05T04:26:05Z)
• MSDPN: Monocular Depth Prediction with Partial Laser Observation using Multi-stage Neural Networks [1.1602089225841632]
  深層学習に基づくマルチステージネットワークアーキテクチャであるMulti-Stage Depth Prediction Network (MSDPN)を提案する。 MSDPNは2次元LiDARと単眼カメラを用いて深度マップを予測する。 実験により,本ネットワークは最先端手法に対して有望な性能を示す。
  論文  参考訳（メタデータ） (2020-08-04T08:27:40Z)
• Multi-Stage Hybrid Federated Learning over Large-Scale D2D-Enabled Fog Networks [61.30171206892684]
  ネットワークを多層クラスタベース構造とみなす階層内モデル学習と層間モデル学習のハイブリッドを開発する。 MH-FLは、デバイス間通信(D2D)を介して形成されたローカルネットワークを含む、クラスタ内のノード間のトポロジー構造を考察している。 異なるネットワーク層におけるデバイスを協調的/協調的にオーケストレーションし、モデルパラメータの局所的なコンセンサスを形成する。
  論文  参考訳（メタデータ） (2020-07-18T20:03:07Z)
• RCNet: Incorporating Structural Information into Deep RNN for MIMO-OFDM Symbol Detection with Limited Training [26.12840500767443]
  我々は、OFDM信号に固有の構造情報を活用するために、時間周波数RCを導入する。 RCNetは、浅いRC構造よりも高速な学習収束と最大20%のビット誤り率を提供できることを示す。
  論文  参考訳（メタデータ） (2020-03-15T21:06:40Z)
• Searching Central Difference Convolutional Networks for Face Anti-Spoofing [68.77468465774267]
  顔認識システムにおいて、顔の反偽造(FAS)が重要な役割を担っている。 最先端のFASメソッドの多くは、スタック化された畳み込みと専門家が設計したネットワークに依存している。 ここでは、中央差分畳み込み(CDC)に基づくフレームレベルの新しいFAS手法を提案する。
  論文  参考訳（メタデータ） (2020-03-09T12:48:37Z)

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。