論文の概要: Deep-Learning-Based Channel Estimation for IRS-Assisted ISAC System
- arxiv url: http://arxiv.org/abs/2402.09439v1
- Date: Mon, 29 Jan 2024 14:14:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-18 13:02:46.149800
- Title: Deep-Learning-Based Channel Estimation for IRS-Assisted ISAC System
- Title（参考訳）: IRS支援ISACシステムのディープラーニングに基づくチャネル推定
- Authors: Yu Liu, Ibrahim Al-Nahhal, Octavia A. Dobre, and Fanggang Wang
- Abstract要約: 統合センシング・通信(ISAC)とインテリジェント反射面(IRS)は,次世代無線ネットワークにおいて有望な技術であると考えられる。
IRS支援ISACシステムにおけるチャネル推定問題について検討する。
このようなシステムにおけるセンシング・通信(S&C)チャネルを推定するために,ディープラーニングフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 30.354309578350584
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Integrated sensing and communication (ISAC) and intelligent reflecting
surface (IRS) are viewed as promising technologies for future generations of
wireless networks. This paper investigates the channel estimation problem in an
IRS-assisted ISAC system. A deep-learning framework is proposed to estimate the
sensing and communication (S&C) channels in such a system. Considering
different propagation environments of the S&C channels, two deep neural network
(DNN) architectures are designed to realize this framework. The first DNN is
devised at the ISAC base station for estimating the sensing channel, while the
second DNN architecture is assigned to each downlink user equipment to estimate
its communication channel. Moreover, the input-output pairs to train the DNNs
are carefully designed. Simulation results show the superiority of the proposed
estimation approach compared to the benchmark scheme under various
signal-to-noise ratio conditions and system parameters.
- Abstract（参考訳）: 統合センシング・通信(ISAC)とインテリジェント反射面(IRS)は,次世代無線ネットワークにおいて有望な技術であると考えられる。
IRS支援ISACシステムにおけるチャネル推定問題について検討する。
このようなシステムにおけるセンシング・通信(S&C)チャネルを推定するために,ディープラーニングフレームワークを提案する。
S&Cチャネルの異なる伝搬環境を考慮すると、このフレームワークを実現するために、2つのディープニューラルネットワーク(DNN)アーキテクチャが設計されている。
第1のDNNはISAC基地局で検知チャネルを推定するために考案され、第2のDNNアーキテクチャは通信チャネルを推定するために各ダウンリンクユーザ機器に割り当てられる。
さらに、DNNを訓練する入出力ペアを慎重に設計する。
シミュレーションの結果,様々な信号対雑音比条件とシステムパラメータのベンチマーク手法と比較して,提案手法の優位性を示した。
関連論文リスト
- Deep-Learning Channel Estimation for IRS-Assisted Integrated Sensing and Communication System [30.354309578350584]
IRS支援ISACシステムにおけるチャネル推定問題に焦点をあてる。
推定問題をサブ1に分離する3段階の手法を提案する。
CNNを訓練する2種類の入出力ペアを慎重に設計する。
論文 参考訳（メタデータ） (2024-01-29T14:15:48Z) - 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) - Deep Deterministic Policy Gradient for End-to-End Communication Systems
without Prior Channel Knowledge [8.48741007380969]
E2E(End-to-End)学習に基づく概念は、無線通信システムにおいて送信機と受信機の両方を協調的に最適化するために最近導入された。
本稿では,Deep Deterministic Policy gradient(DDPG)ベースのフレームワークを開発することにより,この問題を解決することを目的とする。
論文 参考訳（メタデータ） (2023-05-12T13:05:32Z) - Deep Learning Based Channel Estimation in High Mobility Communications
Using Bi-RNN Networks [7.310043452300738]
本稿では,2重選択チャネルを正確に推定する最適化された双方向リカレントニューラルネットワーク (Bi-RNN) を用いたチャネル推定手法を提案する。
開発されたBi-GRU推定器は、最近提案されたCNNベースの推定器を、異なる移動シナリオで大幅に上回っている。
論文 参考訳（メタデータ） (2023-04-29T09:20:28Z) - Spiking Neural Network Decision Feedback Equalization [70.3497683558609]
決定フィードバック等化器(DFE)に似たフィードバック構造を持つSNNベースの等化器を提案する。
提案手法は,3種類の模範チャネルに対して,従来の線形等化器よりも明らかに優れていることを示す。
決定フィードバック構造を持つSNNは、競合エネルギー効率の良いトランシーバへのパスを可能にする。
論文 参考訳（メタデータ） (2022-11-09T09:19:15Z) - Model-based Deep Learning Receiver Design for Rate-Splitting Multiple
Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。
MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。
その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文 参考訳（メタデータ） (2022-05-02T12:23:55Z) - Two-Timescale End-to-End Learning for Channel Acquisition and Hybrid
Precoding [94.40747235081466]
本研究では,ミリ波(mmWave)大規模マルチインプット多重出力(MIMO)システムのためのエンドツーエンドの深層学習に基づくジョイントトランスシーバ設計アルゴリズムを提案する。
我々は受信したパイロットを受信機でフィードバックビットにマッピングし、さらに送信機でハイブリッドプリコーダにフィードバックビットをマッピングするDNNアーキテクチャを開発した。
論文 参考訳（メタデータ） (2021-10-22T20:49:02Z) - 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) - Distributed Conditional Generative Adversarial Networks (GANs) for
Data-Driven Millimeter Wave Communications in UAV Networks [116.94802388688653]
無人航空機(UAV)無線ネットワークにおけるミリ波(mmWave)通信のための,データ駆動型空対地(A2G)チャネル推定手法を提案する。
実効的なチャネル推定手法を開発し、各UAVは、各ビームフォーミング方向に沿って条件付き生成対向ネットワーク(CGAN)を介してスタンドアロンチャネルモデルを訓練することができる。
分散CGANアーキテクチャに基づく協調的なフレームワークを開発し、各UAVがmmWaveチャネルの分布を協調的に学習できるようにする。
論文 参考訳（メタデータ） (2021-02-02T20:56:46Z) - 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)
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。