論文の概要: Extreme Learning Machine-based Channel Estimation in IRS-Assisted Multi-User ISAC System
- arxiv url: http://arxiv.org/abs/2402.09440v2
- Date: Mon, 8 Apr 2024 02:32:01 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-10 01:06:46.030666
- Title: Extreme Learning Machine-based Channel Estimation in IRS-Assisted Multi-User ISAC System
- Title（参考訳）: IRS支援多ユーザISACシステムにおける極端学習機械によるチャネル推定
- Authors: Yu Liu, Ibrahim Al-Nahhal, Octavia A. Dobre, Fanggang Wang, Hyundong Shin,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 32.74137740936128
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-user integrated sensing and communication (ISAC) assisted by intelligent reflecting surface (IRS) has been recently investigated to provide a high spectral and energy efficiency transmission. This paper proposes a practical channel estimation approach for the first time to an IRS-assisted multiuser ISAC system. The estimation problem in such a system is challenging since the sensing and communication (SAC) signals interfere with each other, and the passive IRS lacks signal processing ability. A two-stage approach is proposed to transfer the overall estimation problem into sub-ones, successively including the direct and reflected channels estimation. Based on this scheme, the ISAC base station (BS) estimates all the SAC channels associated with the target and uplink users, while each downlink user estimates the downlink communication channels individually. Considering a low-cost demand of the ISAC BS and downlink users, the proposed two-stage approach is realized by an efficient neural network (NN) framework that contains two different extreme learning machine (ELM) structures to estimate the above SAC channels. Moreover, two types of input-output pairs to train the ELMs are carefully devised, which impact the estimation accuracy and computational complexity under different system parameters. Simulation results reveal a substantial performance improvement achieved by the proposed ELM-based approach over the least-squares and NN-based benchmarks, with reduced training complexity and faster training speed.
- Abstract（参考訳）: 近年,高スペクトル・エネルギー効率の伝送を実現するために,インテリジェント反射面(IRS)を利用したマルチユーザ統合センシング・通信(ISAC)が研究されている。
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。
このようなシステムにおける推定問題は、検知通信(SAC)信号が互いに干渉し合い、受動IRSは信号処理能力に欠けるため困難である。
直接および反射チャネル推定を含む2段階の手法により、全体推定問題をサブ1に移行する。
このスキームに基づいて、ISACベースステーション(BS)は、ターゲットおよびアップリンクユーザに関連するすべてのSACチャネルを推定し、ダウンリンクユーザは、ダウンリンク通信チャネルを個別に推定する。
提案手法は,ISAC BSとダウンリンク利用者の低コストな需要を考慮し,上記SACチャネルを推定するために,2つの異なるエクストリーム機械学習マシン(ELM)構造を含む,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。
さらに、EMMを訓練する2種類の入出力ペアを慎重に設計し、異なるシステムパラメータの予測精度と計算複雑性に影響を与える。
シミュレーションの結果、最小二乗およびNNベースのベンチマークに対して提案したEMMベースのアプローチにより、トレーニングの複雑さを低減し、より高速なトレーニング速度で、大幅なパフォーマンス向上が達成された。
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) - Deep-Learning-Based Channel Estimation for IRS-Assisted ISAC System [30.354309578350584]
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。
論文 参考訳（メタデータ） (2024-01-29T14:14:39Z) - Joint User Association, Interference Cancellation and Power Control for
Multi-IRS Assisted UAV Communications [80.35959154762381]
インテリジェント反射面(IRS)支援無人航空機(UAV)通信は、地上基地局の負荷を低コストで軽減することが期待されている。
既存の研究は主に、複数のIRSではなく単一のIRSの配置とリソース割り当てに焦点を当てている。
我々は,共同IRSユーザアソシエーションのための新しい最適化アルゴリズム,UAVの軌道最適化,逐次干渉キャンセル(SIC)復号命令スケジューリング,電力割り当てを提案する。
論文 参考訳（メタデータ） (2023-12-08T01:57:10Z) - 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) - 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) - Spatial Processing Front-End For Distant ASR Exploiting Self-Attention
Channel Combinator [11.248169478873344]
Weighted Prediction Error (WPE) 法によるチャネル短縮に基づく新しいマルチチャネルフロントエンドを提案する。
本研究では,ContextNetをベースとしたエンド・ツー・エンド(E2E)ASRシステムの一部として提案するシステムが,主要なASRシステムより優れていることを示す。
論文 参考訳（メタデータ） (2022-03-25T21:43:15Z) - 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) - 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) - Millimeter Wave Communications with an Intelligent Reflector:
Performance Optimization and Distributional Reinforcement Learning [119.97450366894718]
ミリ波基地局のダウンリンクマルチユーザ通信を最適化するための新しいフレームワークを提案する。
チャネル状態情報(CSI)をリアルタイムで計測するために,チャネル推定手法を開発した。
最適赤外反射を学習し、ダウンリンク能力の期待を最大化するために、分布強化学習(DRL)手法を提案する。
論文 参考訳（メタデータ） (2020-02-24T22:18:54Z)
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。