論文の概要: Deep-Learning Channel Estimation for IRS-Assisted Integrated Sensing and
Communication System
- arxiv url: http://arxiv.org/abs/2402.09441v1
- Date: Mon, 29 Jan 2024 14:15:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-18 13:19:01.172678
- Title: Deep-Learning Channel Estimation for IRS-Assisted Integrated Sensing and
Communication System
- Title（参考訳）: IRSを用いた統合センシング・通信システムのディープラーニングチャネル推定
- Authors: Yu Liu, Ibrahim Al-Nahhal, Octavia A. Dobre, and Fanggang Wang
- Abstract要約: 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。
- 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 envisioned as revolutionary technologies to enhance spectral
and energy efficiencies for next wireless system generations. For the first
time, this paper focuses on the channel estimation problem in an IRS-assisted
ISAC system. This problem is challenging due to the lack of signal processing
capacity in passive IRS, as well as the presence of mutual interference between
sensing and communication (SAC) signals in ISAC systems. A three-stage approach
is proposed to decouple the estimation problem into sub-ones, including the
estimation of the direct SAC channels in the first stage, reflected
communication channel in the second stage, and reflected sensing channel in the
third stage. The proposed three-stage approach is based on a deep-learning
framework, which involves two different convolutional neural network (CNN)
architectures to estimate the channels at the full-duplex ISAC base station.
Furthermore, two types of input-output pairs to train the CNNs are carefully
designed, which affect the estimation performance under various signal-to-noise
ratio conditions and system parameters. Simulation results validate the
superiority of the proposed estimation approach compared to the least-squares
baseline scheme, and its computational complexity is also analyzed.
- 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、次世代無線システムのスペクトルおよびエネルギー効率を高める革命的技術として構想されている。
本稿では,irs支援型isacシステムにおけるチャネル推定問題に初めて注目する。
この問題は、受動IRSにおける信号処理能力の欠如と、ISACシステムにおけるセンシングと通信(SAC)信号間の相互干渉の存在により困難である。
第1段階での直接SACチャネルの推定,第2段の反射通信チャネル,第3段の反射検知チャネルなど,推定問題をサブ1に分離する3段階のアプローチを提案する。
提案する3段階のアプローチは,2つの異なる畳み込みニューラルネットワーク(CNN)アーキテクチャを備えたディープラーニングフレームワークに基づいて,全二重ISAC基地局のチャネルを推定する。
さらに、cnnを訓練するための2種類の入出力ペアを慎重に設計し、様々な信号対雑音比条件とシステムパラメータにおける推定性能に影響を与える。
シミュレーションの結果,最小二乗法に比べ,提案手法の優位性を検証し,計算複雑性も解析した。
関連論文リスト
- Deep-Learning-Based Channel Estimation for Distributed MIMO with 1-bit Radio-Over-Fiber Fronthaul [11.370869277334227]
分散マルチインプット・マルチアウトプット(MIMO)アーキテクチャにおけるパイロット支援・アップリンクチャネル推定の問題点を考察する。
我々は最近Nguyenらによって提案されたディープラーニングに基づくチャネル推定アルゴリズムを適用した。
提案手法は,Bussgang線形最小二乗誤差チャネル推定器よりも有意に優れていることを示す。
論文 参考訳（メタデータ） (2024-06-17T08:38:29Z) - 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-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) - MLCA-AVSR: Multi-Layer Cross Attention Fusion based Audio-Visual Speech Recognition [62.89464258519723]
異なるレベルのオーディオ/視覚エンコーダに融合することで、各モードの表現を促進する多層クロスアテンション融合に基づくAVSR手法を提案する。
提案手法は第1位システムを超え,新たなSOTA cpCERの29.13%をこのデータセット上に構築する。
論文 参考訳（メタデータ） (2024-01-07T08:59:32Z) - 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) - 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) - Deep Reinforcement Learning for IRS Phase Shift Design in
Spatiotemporally Correlated Environments [93.30657979626858]
本稿では,チャネル相関と目的地動きを考慮したディープアクター批判アルゴリズムを提案する。
チャネルが時間的に相関している場合、コンバージェンスを抑制する方法において、関数近似を伴う状態表現にSNRを組み込むことが示される。
論文 参考訳（メタデータ） (2022-11-02T22:07:36Z) - 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) - A Two-Stage Approach to Device-Robust Acoustic Scene Classification [63.98724740606457]
デバイスロバスト性を改善するために,完全畳み込みニューラルネットワーク(CNN)に基づく2段階システムを提案する。
以上の結果から,提案したASCシステムにより,開発環境における最先端の精度が得られた。
クラスアクティベーションマッピングを用いたニューラルサリエンシ解析により、モデルによって学習されたパターンに関する新たな洞察が得られる。
論文 参考訳（メタデータ） (2020-11-03T03:27:18Z) - 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。