論文の概要: Physics-Inspired Deep Learning Anti-Aliasing Framework in Efficient
Channel State Feedback
- arxiv url: http://arxiv.org/abs/2403.08133v1
- Date: Tue, 12 Mar 2024 23:40:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-14 16:22:45.753452
- Title: Physics-Inspired Deep Learning Anti-Aliasing Framework in Efficient
Channel State Feedback
- Title(参考訳): 物理にインスパイアされたディープラーニングアンチエイリアスフレームワーク
チャネル状態フィードバック
- Authors: Yu-Chien Lin, Yan Xin, Ta-Sung Lee, Charlie (Jianzhong) Zhang, and Zhi
Ding
- Abstract要約: この研究は、アンダーサンプリングによるギャップに対処するための後処理ソリューションとして、gNBで新しいCSIアップサンプリングフレームワークを導入している。
また,提案したアルゴリズムをISTA-Netアーキテクチャと統合する学習手法を開発した。
以上の結果から,ルールベースと深層学習の両手法が従来の手法や最先端の手法よりも性能的に優れていたことが示唆された。
- 参考スコア(独自算出の注目度): 25.68689988641748
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Acquiring downlink channel state information (CSI) at the base station is
vital for optimizing performance in massive Multiple input multiple output
(MIMO) Frequency-Division Duplexing (FDD) systems. While deep learning
architectures have been successful in facilitating UE-side CSI feedback and
gNB-side recovery, the undersampling issue prior to CSI feedback is often
overlooked. This issue, which arises from low density pilot placement in
current standards, results in significant aliasing effects in outdoor channels
and consequently limits CSI recovery performance. To this end, this work
introduces a new CSI upsampling framework at the gNB as a post-processing
solution to address the gaps caused by undersampling. Leveraging the physical
principles of discrete Fourier transform shifting theorem and multipath
reciprocity, our framework effectively uses uplink CSI to mitigate aliasing
effects. We further develop a learning-based method that integrates the
proposed algorithm with the Iterative Shrinkage-Thresholding Algorithm Net
(ISTA-Net) architecture, enhancing our approach for non-uniform sampling
recovery. Our numerical results show that both our rule-based and deep learning
methods significantly outperform traditional interpolation techniques and
current state-of-the-art approaches in terms of performance.
- Abstract(参考訳): 基地局におけるダウンリンクチャネル状態情報(CSI)の取得は、大規模な多重入力多重出力(MIMO)周波数分割二重化(FDD)システムの性能の最適化に不可欠である。
ディープラーニングアーキテクチャはUE側のCSIフィードバックとgNB側のリカバリを促進することに成功しているが、CSIのフィードバック以前のアンサンプの問題はしばしば見過ごされている。
この問題は、現在の標準における低密度パイロット配置から生じるもので、屋外チャネルにおいて大きなエイリアス効果をもたらし、結果としてCSI回復性能が制限される。
この目的のために、この研究は、アンダーサンプリングによるギャップに対処するための後処理ソリューションとして、gNBで新しいCSIアップサンプリングフレームワークを導入している。
離散フーリエ変換シフト定理と多重パス相反定理の物理原理を応用し、アップリンクCSIを効果的に利用してエイリアス効果を緩和する。
さらに,提案アルゴリズムをISTA-Netアーキテクチャと統合し,非一様サンプリングリカバリのためのアプローチを強化する学習ベース手法を開発した。
解析の結果,従来の補間手法と現状の手法を性能的に比較すると,ルールベースと深層学習の両方が有意に優れていることがわかった。
関連論文リスト
- DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image
Enhancement [77.0360085530701]
水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。
従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。
提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
論文 参考訳(メタデータ) (2023-12-12T06:07:21Z) - Domain Generalization Guided by Gradient Signal to Noise Ratio of
Parameters [69.24377241408851]
ソースドメインへのオーバーフィッティングは、ディープニューラルネットワークの勾配に基づくトレーニングにおいて一般的な問題である。
本稿では,ネットワークパラメータの勾配-信号-雑音比(GSNR)を選択することを提案する。
論文 参考訳(メタデータ) (2023-10-11T10:21:34Z) - PRISTA-Net: Deep Iterative Shrinkage Thresholding Network for Coded
Diffraction Patterns Phase Retrieval [6.982256124089]
位相検索は、計算画像および画像処理における非線型逆問題である。
我々は,1次反復しきい値しきい値アルゴリズム(ISTA)に基づく深層展開ネットワークであるPRISTA-Netを開発した。
非線形変換,しきい値,ステップサイズなど,提案するPRISTA-Netフレームワークのパラメータはすべて,設定されるのではなく,エンドツーエンドで学習される。
論文 参考訳(メタデータ) (2023-09-08T07:37:15Z) - 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) - Learning Representations for CSI Adaptive Quantization and Feedback [51.14360605938647]
本稿では,周波数分割二重化システムにおける適応量子化とフィードバックの効率的な手法を提案する。
既存の研究は主に、CSI圧縮のためのオートエンコーダ(AE)ニューラルネットワークの実装に焦点を当てている。
1つはポストトレーニング量子化に基づくもので、もう1つはAEのトレーニング中にコードブックが見つかる方法である。
論文 参考訳(メタデータ) (2022-07-13T08:52:13Z) - Deep Learning for 1-Bit Compressed Sensing-based Superimposed CSI
Feedback [2.6831842796906393]
本稿では,1ビット圧縮されたセンサによる重畳されたCSIフィードバックを改善するためのディープラーニング方式を提案する。
提案方式は,UL-USとダウンリンクCSIの回復精度を低処理遅延で向上する。
論文 参考訳(メタデータ) (2022-03-13T09:33:53Z) - Low-light Image Enhancement by Retinex Based Algorithm Unrolling and
Adjustment [50.13230641857892]
本稿では,低照度画像強調(LIE)問題に対する新たなディープラーニングフレームワークを提案する。
提案フレームワークは,大域的明るさと局所的明るさ感度の両方を考慮したアルゴリズムアンロールと調整ネットワークに着想を得た分解ネットワークを含む。
一連の典型的なLIEデータセットの実験では,既存の手法と比較して,定量的かつ視覚的に,提案手法の有効性が示された。
論文 参考訳(メタデータ) (2022-02-12T03:59:38Z) - PolarDenseNet: A Deep Learning Model for CSI Feedback in MIMO Systems [18.646674391114548]
UEにおけるCSIを低次元の潜在空間に符号化し、基地局で復号する自動エンコーダアーキテクチャに基づくAIベースのCSIフィードバックを提案する。
シミュレーションの結果,AIに基づく提案したアーキテクチャは,最先端の高分解能線形組合せ符号ブックよりも優れていた。
論文 参考訳(メタデータ) (2022-02-02T19:04:49Z) - Optical-Flow-Reuse-Based Bidirectional Recurrent Network for Space-Time
Video Super-Resolution [52.899234731501075]
時空間ビデオ超解像(ST-VSR)は、与えられたビデオの空間解像度とフレームレートを同時に増加させる。
既存の手法は通常、近隣の幅広いフレームからの情報を効率的に活用する方法の難しさに悩まされる。
本稿では,隣接するフレーム間の知識を活用するために,ConvLSTMの代わりに粗大な双方向リカレントニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2021-10-13T15:21:30Z) - CSIT-Free Federated Edge Learning via Reconfigurable Intelligent Surface [25.30094403011711]
reSITインテリジェントエッジ(RIS)技術を活用して、CSITがエッジとするカスケードチャンネルを整列させます。
得られた非構成モデル凝集係数のアルゴリズムを開発する。
提案手法は、最先端のCSITベースのソリューションと同様の学習精度を実現することができる。
論文 参考訳(メタデータ) (2021-02-22T03:24:23Z)
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。