論文の概要: Channel-Feedback-Free Transmission for Downlink FD-RAN: A Radio Map based Complex-valued Precoding Network Approach
- arxiv url: http://arxiv.org/abs/2312.02184v2
- Date: Wed, 3 Apr 2024 14:57:43 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-04 22:37:19.236959
- Title: Channel-Feedback-Free Transmission for Downlink FD-RAN: A Radio Map based Complex-valued Precoding Network Approach
- Title（参考訳）: ダウンリンクFD-RANのためのチャネルフィードバックフリー伝送:無線マップに基づく複素数値プリコーディングネットワークアプローチ
- Authors: Jiwei Zhao, Jiacheng Chen, Zeyu Sun, Yuhang Shi, Haibo Zhou, Xuemin, Shen,
- Abstract要約: 本稿では,物理層フィードバックに頼ることなく,新しい伝送方式を提案する。
具体的には,無線地図に基づく複合値プリコーディングネットワーク(RMCPNet)モデルを設計し,ユーザ位置に基づいて基地局プリコーディングを出力する。
提案手法をパブリックなDeepMIMOデータセット上で評価し,RMCPNetが16%,76%の性能改善を実現可能であることを示す。
- 参考スコア（独自算出の注目度）: 21.53419874372417
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As the demand for high-quality services proliferates, an innovative network architecture, the fully-decoupled RAN (FD-RAN), has emerged for more flexible spectrum resource utilization and lower network costs. However, with the decoupling of uplink base stations and downlink base stations in FD-RAN, the traditional transmission mechanism, which relies on real-time channel feedback, is not suitable as the receiver is not able to feedback accurate and timely channel state information to the transmitter. This paper proposes a novel transmission scheme without relying on physical layer channel feedback. Specifically, we design a radio map based complex-valued precoding network~(RMCPNet) model, which outputs the base station precoding based on user location. RMCPNet comprises multiple subnets, with each subnet responsible for extracting unique modal features from diverse input modalities. Furthermore, the multi-modal embeddings derived from these distinct subnets are integrated within the information fusion layer, culminating in a unified representation. We also develop a specific RMCPNet training algorithm that employs the negative spectral efficiency as the loss function. We evaluate the performance of the proposed scheme on the public DeepMIMO dataset and show that RMCPNet can achieve 16\% and 76\% performance improvements over the conventional real-valued neural network and statistical codebook approach, respectively.
- Abstract（参考訳）: 高品質サービスの需要が増大するにつれて、ネットワークアーキテクチャの革新、完全に分離されたRAN(FD-RAN)が、より柔軟なスペクトルリソース利用とネットワークコストの低減のために出現している。
しかし、FD-RANにおけるアップリンク基地局とダウンリンク基地局の分離により、リアルタイムチャネルフィードバックに依存する従来の送信機構は、受信機が正確でタイムリーなチャネル状態情報を送信者にフィードバックできないため、不適当である。
本稿では,物理層チャネルのフィードバックに頼ることなく,新しい伝送方式を提案する。
具体的には,無線地図に基づく複合値プリコーディングネットワーク~RMCPNetモデルを設計し,ユーザ位置に基づいて基地局プリコーディングを出力する。
RMCPNetは複数のサブネットから構成され、各サブネットは様々な入力モーダルからユニークなモーダル特徴を抽出する。
さらに、これらの異なるサブネットから派生したマルチモーダル埋め込みを情報融合層に統合し、統一表現に終止符を打つ。
また、損失関数として負のスペクトル効率を利用するRMCPNetトレーニングアルゴリズムを開発した。
提案手法をパブリックなDeepMIMOデータセット上で評価し,RMCPNetが従来の実数値ニューラルネットワークと統計コードブックのアプローチでそれぞれ16倍,76倍の性能向上を実現可能であることを示す。
関連論文リスト
- Communication-Efficient Framework for Distributed Image Semantic
Wireless Transmission [68.69108124451263]
IoTデバイスを用いたマルチタスク分散画像伝送のためのFederated Learning-based semantic communication (FLSC)フレームワーク。
各リンクは階層型視覚変換器(HVT)ベースの抽出器とタスク適応トランスレータで構成される。
チャネル状態情報に基づく多重出力多重出力伝送モジュール。
論文 参考訳（メタデータ） (2023-08-07T16:32:14Z) - 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) - Channelformer: Attention based Neural Solution for Wireless Channel
Estimation and Effective Online Training [1.0499453838486013]
本稿では,改良されたチャネル推定を実現するために,エンコーダ・デコーダニューラルアーキテクチャ(Channelformer)を提案する。
我々は,復号器として,エンコーダと残差畳み込みニューラルアーキテクチャに多面的注意を払っている。
また,現代通信システムにおける第5世代(5G)新しい無線(NR)構成に基づく効果的なオンライントレーニング手法を提案する。
論文 参考訳（メタデータ） (2023-02-08T23:18:23Z) - Deep Learning-Based Rate-Splitting Multiple Access for Reconfigurable
Intelligent Surface-Aided Tera-Hertz Massive MIMO [56.022764337221325]
再構成可能なインテリジェントサーフェス(RIS)は,Tera-Hertz大規模マルチインプットマルチアウトプット(MIMO)通信システムのサービスカバレッジを大幅に向上させることができる。
しかし、パイロットとフィードバック信号のオーバーヘッドが限定された正確な高次元チャネル状態情報(CSI)を得ることは困難である。
本稿では、RIS支援Tera-Hertzマルチユーザアクセスシステムのための、ディープラーニング(DL)に基づくレート分割多重アクセス方式を提案する。
論文 参考訳（メタデータ） (2022-09-18T03:07:37Z) - Deep Learning Based Antenna-time Domain Channel Extrapolation for Hybrid
mmWave Massive MIMO [30.201881862681972]
本研究では,部分的なアップリンクチャネルから基地局の全ダウンリンクチャネルへのマッピング関数を学習するために,潜在常微分方程式(ODE)に基づくネットワークを設計する。
シミュレーションの結果,設計したネットワークは,部分的なアップリンクチャネルから全ダウンリンクチャネルを効率的に推測できることがわかった。
論文 参考訳（メタデータ） (2021-08-09T11:12:46Z) - End-to-End Learning for Uplink MU-SIMO Joint Transmitter and
Non-Coherent Receiver Design in Fading Channels [11.182920270301304]
JTRD-Netと呼ばれる新しいエンドツーエンド学習手法が提案され、マルチユーザシングルインプットマルチ出力(MU-SIMO)ジョイントトランスミッタとフェーディングチャネルにおける非コヒーレントレシーバー設計(JTRD)をアップリンクする。
送信側は、マルチユーザー波形設計を担当する並列線形層のグループとしてモデル化されています。
非コヒーレント受信機は、マルチユーザ検出(MUD)機能を提供するために、ディープフィードフォワードニューラルネットワーク(DFNN)によって形成される。
論文 参考訳（メタデータ） (2021-05-04T02:47:59Z) - Binarized Aggregated Network with Quantization: Flexible Deep Learning
Deployment for CSI Feedback in Massive MIMO System [22.068682756598914]
アグリゲートチャネル再構築ネットワーク(ACRNet)と呼ばれる新しいネットワークは、フィードバックパフォーマンスを高めるように設計されています。
異なる資源制約を満たすために,ネットワークを柔軟に適応させる弾性フィードバック方式を提案する。
実験の結果、提案したACRNetは従来の最先端ネットワークの負荷よりも優れていた。
論文 参考訳（メタデータ） (2021-05-01T22:50:25Z) - 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) - FedRec: Federated Learning of Universal Receivers over Fading Channels [92.15358738530037]
本稿では,ダウンリンクフェージングチャネルに対するニューラルネットワークを用いたシンボル検出手法を提案する。
複数のユーザが協力して、普遍的なデータ駆動型検出器を学習する。
得られた受信機の性能は、フェーディング統計の知識を必要とせずに、様々なチャネル条件下でMAP性能に近づくことを示す。
論文 参考訳（メタデータ） (2020-11-14T11:29:55Z) - Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。
標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2020-04-06T15:51:00Z)
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。