論文の概要: Learning Short Codes for Fading Channels with No or Receiver-Only Channel State Information
- arxiv url: http://arxiv.org/abs/2409.08581v1
- Date: Fri, 13 Sep 2024 07:00:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-16 17:28:47.641141
- Title: Learning Short Codes for Fading Channels with No or Receiver-Only Channel State Information
- Title（参考訳）: No or Receiver-Only Channel State Information を用いたフェーディングチャネルのショートコード学習
- Authors: Rishabh Sharad Pomaje, Rajshekhar V Bhat,
- Abstract要約: 我々は、チャネル状態情報(CSI)を使用しない、またはレシーバ(CSIR)にのみ依存しない短長のコードワードを設計する。
非CSIとCSIRのみの場合、これらの符号は同じブロック長の古典的符号よりも少なくとも同等以上の性能を発揮する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In next-generation wireless networks, low latency often necessitates short-length codewords that either do not use channel state information (CSI) or rely solely on CSI at the receiver (CSIR). Gaussian codes that achieve capacity for AWGN channels may be unsuitable for these no-CSI and CSIR-only cases. In this work, we design short-length codewords for these cases using an autoencoder architecture. From the designed codes, we observe the following: In the no-CSI case, the learned codes are mutually orthogonal when the distribution of the real and imaginary parts of the fading random variable has support over the entire real line. However, when the support is limited to the non-negative real line, the codes are not mutually orthogonal. For the CSIR-only case, deep learning-based codes designed for AWGN channels perform worse in fading channels with optimal coherent detection compared to codes specifically designed for fading channels with CSIR, where the autoencoder jointly learns encoding, coherent combining, and decoding. In both no-CSI and CSIR-only cases, the codes perform at least as well as or better than classical codes of the same block length.
- Abstract（参考訳）: 次世代無線ネットワークでは、低レイテンシは、チャネル状態情報(CSI)を使用しない短長のコードワードを必要とする場合が多い。
AWGNチャネルのキャパシティを実現するガウス符号は、これらの非CSIやCSIRのみの場合には適さない。
本研究では,これらのケースに対して,オートエンコーダアーキテクチャを用いて短長のコードワードを設計する。
非CSIの場合、学習された符号は、消失する確率変数の実部と虚部の分布が実線全体にわたってサポートされているときに相互直交する。
しかし、サポートが非負の実数直線に制限されている場合、符号は相互直交しない。
CSIRのみの場合、AWGNチャネル用に設計された深層学習ベースのコードは、CSIRでフェーディングチャネル用に特別に設計されたコードと比較して、最適なコヒーレント検出を伴うフェーディングチャネルでより悪く、オートエンコーダは、符号化、コヒーレント結合、復号を共同で学習する。
非CSIとCSIRのみの場合、これらの符号は同じブロック長の古典的符号よりも少なくとも同等以上の性能を発揮する。
関連論文リスト
- Learning Linear Block Error Correction Codes [62.25533750469467]
本稿では,バイナリ線形ブロック符号の統一エンコーダデコーダトレーニングを初めて提案する。
また,コード勾配の効率的なバックプロパゲーションのために,自己注意マスキングを行うトランスフォーマーモデルを提案する。
論文 参考訳（メタデータ） (2024-05-07T06:47:12Z) - Flexible polar encoding for information reconciliation in QKD [2.627883025193776]
量子鍵分配(QKD)は、情報理論的に安全な共通秘密鍵を確立する。
一般に量子チャネルに対する敵の誘惑に起因すると考えられるエラーは、公開チャネル上の古典的な通信を用いて修正する必要がある。
信頼性シーケンスを導出し,デコーダの選択に依存しないエンコーダの設計に利用できることを示す。
論文 参考訳（メタデータ） (2023-11-30T16:01:10Z) - Data-Driven Neural Polar Codes for Unknown Channels With and Without
Memory [20.793209871685445]
本稿では,メモリを使わずにチャネルの極性符号を設計するためのデータ駆動手法を提案する。
提案手法は、逐次キャンセル(SC)デコーダの構造を利用して、ニューラルSCデコーダを考案する。
NSCデコーダはニューラルネットワーク(NN)を使用して、元のSCデコーダの中核要素、チェックノード、ビットノード、ソフトな決定を置き換える。
論文 参考訳（メタデータ） (2023-09-06T16:44:08Z) - Neural Belief Propagation Decoding of Quantum LDPC Codes Using
Overcomplete Check Matrices [60.02503434201552]
元のチェック行列における行の線形結合から生成された冗長な行を持つチェック行列に基づいてQLDPC符号を復号する。
このアプローチは、非常に低い復号遅延の利点を付加して、復号性能を著しく向上させる。
論文 参考訳（メタデータ） (2022-12-20T13:41:27Z) - Feedback is Good, Active Feedback is Better: Block Attention Active
Feedback Codes [13.766611137136168]
GBAF符号は、アクティブなフィードバックを持つチャネルでも使用できることを示す。
送信機と受信機にトランスフォーマーアーキテクチャを実装し,相互に順次対話する。
我々は,特に低SNR体制下で,最先端のBLER性能を実現する。
論文 参考訳（メタデータ） (2022-11-03T11:44:06Z) - Denoising Diffusion Error Correction Codes [92.10654749898927]
近年、ニューラルデコーダは古典的デコーダ技術に対する優位性を実証している。
最近の最先端のニューラルデコーダは複雑で、多くのレガシデコーダの重要な反復的スキームが欠如している。
本稿では,任意のブロック長の線形符号のソフトデコードにデノナイズ拡散モデルを適用することを提案する。
論文 参考訳（メタデータ） (2022-09-16T11:00:50Z) - Graph Neural Networks for Channel Decoding [71.15576353630667]
低密度パリティチェック(LDPC)やBCH符号など、様々な符号化方式の競合復号性能を示す。
ニューラルネットワーク(NN)は、与えられたグラフ上で一般化されたメッセージパッシングアルゴリズムを学習する。
提案するデコーダを,従来のチャネル復号法および最近のディープラーニングに基づく結果と比較した。
論文 参考訳（メタデータ） (2022-07-29T15:29:18Z) - DRF Codes: Deep SNR-Robust Feedback Codes [2.6074034431152344]
本稿では,DNN(Deep-neural-network)に基づく誤り訂正符号を提案する。
付加的な白色ガウス雑音 (AWGN) チャネルにおけるSNR損耗率と誤り率の両面から, DRF符号の精度は, 高い結果が得られた。
論文 参考訳（メタデータ） (2021-12-22T10:47:25Z) - KO codes: Inventing Nonlinear Encoding and Decoding for Reliable
Wireless Communication via Deep-learning [76.5589486928387]
ランドマークコードは、Reed-Muller、BCH、Convolution、Turbo、LDPC、Polarといった信頼性の高い物理層通信を支える。
本論文では、ディープラーニング駆動型(エンコーダ、デコーダ)ペアの計算効率の良いファミリーであるKO符号を構築する。
KO符号は最先端のリード・ミュラー符号と極符号を破り、低複雑さの逐次復号法で復号された。
論文 参考訳（メタデータ） (2021-08-29T21:08:30Z) - DeepSIC: Deep Soft Interference Cancellation for Multiuser MIMO
Detection [98.43451011898212]
複数のシンボルが同時に送信されるマルチユーザマルチインプットマルチアウトプット(MIMO)設定では、正確なシンボル検出が困難である。
本稿では,DeepSICと呼ぶ反復ソフト干渉キャンセリング(SIC)アルゴリズムの,データ駆動による実装を提案する。
DeepSICは、チャネルを線形にすることなく、限られたトレーニングサンプルから共同検出を行うことを学ぶ。
論文 参考訳（メタデータ） (2020-02-08T18:31:00Z)
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。