論文の概要: Deep Learning-Assisted Parallel Interference Cancellation for Grant-Free
NOMA in Machine-Type Communication
- arxiv url: http://arxiv.org/abs/2403.07255v1
- Date: Tue, 12 Mar 2024 02:24:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-13 23:15:27.131589
- Title: Deep Learning-Assisted Parallel Interference Cancellation for Grant-Free
NOMA in Machine-Type Communication
- Title（参考訳）: 機械型通信における自由なNOMAのための深層学習支援並列干渉キャンセラ
- Authors: Yongjeong Oh, Jaehong Jo, Byonghyo Shim, and Yo-Seb Jeon
- Abstract要約: そこで本稿では,アリンクフリーな非直交多重アクセス(NOMA)システムにおける共同アクティビティ検出(AD),チャネル推定(CE),データ検出(DD)の新たなアプローチを提案する。
我々のアプローチは、並列干渉キャンセル(PIC)にインスパイアされた反復的かつ並列干渉除去戦略を採用する。
我々は3つのPICフレームワークを開発し、それぞれがコヒーレンスまたは非コヒーレンススキーム用に設計されている。
- 参考スコア（独自算出の注目度）: 28.296987825436798
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we present a novel approach for joint activity detection (AD),
channel estimation (CE), and data detection (DD) in uplink grant-free
non-orthogonal multiple access (NOMA) systems. Our approach employs an
iterative and parallel interference removal strategy inspired by parallel
interference cancellation (PIC), enhanced with deep learning to jointly tackle
the AD, CE, and DD problems. Based on this approach, we develop three PIC
frameworks, each of which is designed for either coherent or non-coherence
schemes. The first framework performs joint AD and CE using received pilot
signals in the coherent scheme. Building upon this framework, the second
framework utilizes both the received pilot and data signals for CE, further
enhancing the performances of AD, CE, and DD in the coherent scheme. The third
framework is designed to accommodate the non-coherent scheme involving a small
number of data bits, which simultaneously performs AD and DD. Through joint
loss functions and interference cancellation modules, our approach supports
end-to-end training, contributing to enhanced performances of AD, CE, and DD
for both coherent and non-coherent schemes. Simulation results demonstrate the
superiority of our approach over traditional techniques, exhibiting enhanced
performances of AD, CE, and DD while maintaining lower computational
complexity.
- Abstract（参考訳）: 本稿では、アップリンク許可のない非直交多重アクセス(NOMA)システムにおける、共同アクティビティ検出(AD)、チャネル推定(CE)、データ検出(DD)の新たなアプローチを提案する。
提案手法では,並列干渉キャンセル(PIC)にインスパイアされた反復的かつ並列的干渉除去戦略を採用し,AD,CE,DD問題に協調的に対処する深層学習により強化された。
このアプローチに基づいて3つのPICフレームワークを開発し、それぞれがコヒーレンスまたは非コヒーレンススキーム用に設計されている。
第1のフレームワークは、コヒーレントスキームで受信したパイロット信号を使用して、共同ADとCEを実行する。
このフレームワークに基づいて、第2のフレームワークは、受信したパイロット信号とデータ信号の両方をCEに利用し、コヒーレントスキームにおけるAD、CE、DDの性能をさらに向上させる。
第3のフレームワークは、ADとDDを同時に実行する少数のデータビットを含む非コヒーレントなスキームに対応するように設計されている。
提案手法は, 連立損失関数と干渉キャンセルモジュールを用いてエンドツーエンドトレーニングをサポートし, 整合性および非整合性の両方においてAD, CE, DDの性能向上に寄与する。
シミュレーションの結果,従来の手法よりも,AD,CE,DDの性能が向上し,計算複雑性の低減が図られた。
関連論文リスト
- Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。
周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。
我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
論文 参考訳（メタデータ） (2024-08-29T08:53:26Z) - Reframing the Relationship in Out-of-Distribution Detection [4.182518087792777]
本稿では,エージェントパラダイムをアウト・オブ・ディストリビューション(OOD)検出タスクに統合する新しいアプローチを提案する。
提案手法であるConcept Matching with Agent (CMA) は、CLIPに基づくOOD検出プロセスを強化するために、中性プロンプトをエージェントとして利用する。
実験結果から, ゼロショット法とトレーニング要求法の両方よりもCMAの方が優れた性能を示した。
論文 参考訳（メタデータ） (2024-05-27T02:27:28Z) - Unsupervised Visible-Infrared Person ReID by Collaborative Learning with Neighbor-Guided Label Refinement [53.044703127757295]
教師なし学習 可視赤外人物再識別 (USL-VI-ReID) は、ラベルなしのクロスモダリティデータセットからモダリティ不変の特徴を学習することを目的としている。
本稿では,生成したラベルを1つのモダリティからそれに対応するモダリティに同時に割り当てる,Dual Optimal Transport Label Assignment (DOTLA) フレームワークを提案する。
提案したDOTLA機構は、相互強化と相互モダリティデータアソシエーションの効率的な解を定式化することにより、不十分でノイズの多いラベルアソシエーションの副作用を効果的に低減することができる。
論文 参考訳（メタデータ） (2023-05-22T04:40:30Z) - Unsupervised Learning for Pilot-free Transmission in 3GPP MIMO Systems [6.352264764099531]
本稿では、復調基準信号(DM-RS)のない新しいダウンリンクデータ構造を提案する。
ユーザ側で繰り返し構造を実行することで,正準相関解析により信頼性の高いリカバリが可能であることを示す。
また,OFDMシステムにおけるCCA性能向上のための2つの効果的なメカニズムを提案する。
論文 参考訳（メタデータ） (2023-02-04T16:32:40Z) - Task-Oriented Sensing, Computation, and Communication Integration for
Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。
推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文 参考訳（メタデータ） (2022-07-03T06:57:07Z) - A Comparative Study on Speaker-attributed Automatic Speech Recognition
in Multi-party Meetings [53.120885867427305]
会議シナリオにおける話者分散自動音声認識(SA-ASR)の3つのアプローチを評価する。
WD-SOT法は平均話者依存文字誤り率(SD-CER)を10.7%削減する
TS-ASRアプローチはFD-SOTアプローチよりも優れ、16.5%の相対的なSD-CER削減をもたらす。
論文 参考訳（メタデータ） (2022-03-31T06:39:14Z) - Fusion and Orthogonal Projection for Improved Face-Voice Association [15.938463726577128]
顔と声の関連性について検討する。
両モードの相補的手がかりを利用して, リッチなフューズド埋め込みを形成する軽量なプラグアンドプレイ機構を提案する。
論文 参考訳（メタデータ） (2021-12-20T12:33:33Z) - Dimensionality Reduction and Anomaly Detection for CPPS Data using
Autoencoder [3.918927916284284]
CPPS異常検出法では,2つの側面が相補的である可能性が示唆された。
本研究では、DR/ADアプローチとして非線形オートエンコーダ(AE)に焦点を当てる。
このアプローチは、比較的単純で簡単なアプリケーションとともに、最先端の技術よりも優れています。
論文 参考訳（メタデータ） (2020-10-28T13:16:58Z) - Deep Multi-Task Learning for Cooperative NOMA: System Design and
Principles [52.79089414630366]
我々は,近年のディープラーニング(DL)の進歩を反映した,新しいディープ・コラボレーティブなNOMAスキームを開発する。
我々は,システム全体を包括的に最適化できるように,新しいハイブリッドカスケードディープニューラルネットワーク(DNN)アーキテクチャを開発した。
論文 参考訳（メタデータ） (2020-07-27T12:38:37Z) - Optimization-driven Deep Reinforcement Learning for Robust Beamforming
in IRS-assisted Wireless Communications [54.610318402371185]
Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。
我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。
過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
論文 参考訳（メタデータ） (2020-05-25T01:42:55Z)
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。