論文の概要: Machine Learning-Based Channel Prediction for RIS-assisted MIMO Systems With Channel Aging
- arxiv url: http://arxiv.org/abs/2406.07387v1
- Date: Thu, 9 May 2024 19:45:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-01 08:00:19.022591
- Title: Machine Learning-Based Channel Prediction for RIS-assisted MIMO Systems With Channel Aging
- Title（参考訳）: チャネル老化を考慮したRIS支援MIMOシステムの機械学習によるチャネル予測
- Authors: Nipuni Ginige, Arthur Sousa de Sena, Nurul Huda Mahmood, Nandana Rajatheva, Matti Latva-aho,
- Abstract要約: 再構成可能なインテリジェントサーフェス (RIS) は,第6世代 (6G) および通信システムを越えた性能向上のための有望な技術として登場した。
RISの受動的性質とその多数の反射要素は、チャネル推定プロセスに困難をもたらす。
本稿では、自己回帰(AR)予測器と統合された畳み込みニューラルネットワーク(CNN)に基づく、RIS支援マルチインプットマルチアウトプット(MIMO)システムのための拡張チャネル推定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）: 11.867884158309373
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reconfigurable intelligent surfaces (RISs) have emerged as a promising technology to enhance the performance of sixth-generation (6G) and beyond communication systems. The passive nature of RISs and their large number of reflecting elements pose challenges to the channel estimation process. The associated complexity further escalates when the channel coefficients are fast-varying as in scenarios with user mobility. In this paper, we propose an extended channel estimation framework for RIS-assisted multiple-input multiple-output (MIMO) systems based on a convolutional neural network (CNN) integrated with an autoregressive (AR) predictor. The implemented framework is designed for identifying the aging pattern and predicting enhanced estimates of the wireless channels in correlated fast-fading environments. Insightful simulation results demonstrate that our proposed CNN-AR approach is robust to channel aging, exhibiting a high-precision estimation accuracy. The results also show that our approach can achieve high spectral efficiency and low pilot overhead compared to traditional methods.
- Abstract（参考訳）: 再構成可能なインテリジェントサーフェス (RIS) は,第6世代 (6G) および通信システムを越えた性能向上のための有望な技術として登場した。
RISの受動的性質とその多数の反射要素は、チャネル推定プロセスに困難をもたらす。
関連する複雑さは、ユーザモビリティのあるシナリオのように、チャネル係数が高速に変化するときにさらにエスカレートする。
本稿では、畳み込みニューラルネットワーク(CNN)と自己回帰(AR)予測器を統合したRIS支援マルチインプット多重出力(MIMO)システムのための拡張チャネル推定フレームワークを提案する。
実装されたフレームワークは、加齢パターンを識別し、相関した高速フェイディング環境における無線チャネルの高度推定を予測するように設計されている。
その結果,提案手法はチャネルの老化に対して頑健であり,高精度な推定精度を示すことがわかった。
また,本手法は従来の手法に比べて高スペクトル効率,低パイロットオーバヘッドを実現することができることを示した。
関連論文リスト
- 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) - Efficient Deep Unfolding for SISO-OFDM Channel Estimation [0.0]
スパースリカバリ技術を用いてSISO-OFDMチャネル推定を行うことができる。
本稿では,この制約を緩和するために,展開ニューラルネットワークを用いる。
教師なしのオンライン学習は、推定性能を高めるためにシステムの欠陥を学習することができる。
論文 参考訳（メタデータ） (2022-10-11T11:29:54Z) - 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) - Time-Varying Channel Prediction for RIS-Assisted MU-MISO Networks via
Deep Learning [15.444805225936992]
再構成可能なインテリジェントサーフェス(RIS)は、無線通信の信号伝送品質を改善するための有望な技術となっている。
しかし、RISアシストシステムでは、正確で低レイテンシで低パイロットオーバヘッドチャネル状態情報(CSI)の取得が大きな課題となっている。
CSIを必要とする3段階のジョイントチャネル分解および予測フレームワークを提案する。
論文 参考訳（メタデータ） (2021-11-09T07:26:51Z) - 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) - Untrained DNN for Channel Estimation of RIS-Assisted Multi-User OFDM
System with Hardware Impairments [11.012356843958282]
本稿では、RIS支援マルチユーザ単一入出力(SIMO)周波数分割多重化(OFDM)システムのための深層学習に基づく低複雑性チャネル推定手法を提案する。
提案手法は従来の手法に比べて精度と複雑さの点で高い性能を示す。
論文 参考訳（メタデータ） (2021-07-13T07:30:43Z) - 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) - Data-Driven Symbol Detection via Model-Based Machine Learning [117.58188185409904]
機械学習(ML)とモデルベースアルゴリズムを組み合わせた,検出設計のシンボル化を目的とした,データ駆動型フレームワークについてレビューする。
このハイブリッドアプローチでは、よく知られたチャネルモデルに基づくアルゴリズムをMLベースのアルゴリズムで拡張し、チャネルモデル依存性を除去する。
提案手法は, 正確なチャネル入出力統計関係を知らなくても, モデルベースアルゴリズムのほぼ最適性能が得られることを示す。
論文 参考訳（メタデータ） (2020-02-14T06:58:27Z)
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。