論文の概要: Deep Learning for THz Channel Estimation and Beamforming Prediction via Sub-6GHz Channel
- arxiv url: http://arxiv.org/abs/2411.15589v1
- Date: Sat, 23 Nov 2024 15:36:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-26 14:19:25.697135
- Title: Deep Learning for THz Channel Estimation and Beamforming Prediction via Sub-6GHz Channel
- Title（参考訳）: サブ6GHzチャネルを用いたTHzチャネル推定とビームフォーミング予測のための深層学習
- Authors: Sagnik Bhattacharya, Abhishek K. Gupta,
- Abstract要約: 本稿では,効率的な畳み込みニューラルネットワーク(CNN)を用いたTHzチャネル推定器を提案する。
推定したTHzチャネル係数を用いて,既成のコードブックから最適なビームフォーマを推定する。
従来の手法にかかわるオーバーヘッドを除去するだけでなく、ほぼ最適スペクトル効率率も達成する。
- 参考スコア（独自算出の注目度）: 5.770351255180493
- License:
- Abstract: An efficient channel estimation is of vital importance to help THz communication systems achieve their full potential. Conventional uplink channel estimation methods, such as least square estimation, are practically inefficient for THz systems because of their large computation overhead. In this paper, we propose an efficient convolutional neural network (CNN) based THz channel estimator that estimates the THz channel factors using uplink sub-6GHz channel. Further, we use the estimated THz channel factors to predict the optimal beamformer from a pre-given codebook, using a dense neural network. We not only get rid of the overhead associated with the conventional methods, but also achieve near-optimal spectral efficiency rates using the proposed beamformer predictor. The proposed method also outperforms deep learning based beamformer predictors accepting THz channel matrices as input, thus proving the validity and efficiency of our sub-6GHz based approach.
- Abstract（参考訳）: 効率的なチャネル推定は、THz通信システムがその潜在能力を最大限に発揮するのに不可欠である。
最小二乗推定のような従来のアップリンクチャネル推定法は、計算オーバーヘッドが大きいため、THzシステムでは事実上非効率である。
本稿では、アップリンクサブ6GHzチャネルを用いてTHzチャネル係数を推定する、効率的な畳み込みニューラルネットワーク(CNN)に基づくTHzチャネル推定器を提案する。
さらに, 推定したTHzチャネル因子を用いて, ニューラルネットワークを用いて, 既成コードブックから最適なビームフォーマを推定する。
従来の手法と関係するオーバーヘッドを除去するだけでなく,提案したビームフォーマ予測器を用いてほぼ最適なスペクトル効率を達成する。
提案手法は,THzチャネル行列を入力として受け入れる深層学習に基づくビームフォーマ予測器の性能も向上し,サブ6GHzのアプローチの有効性と効率性を示す。
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) - An Efficient Machine Learning-based Channel Prediction Technique for
OFDM Sub-Bands [0.0]
我々はOFDMサブバンドにおけるチャネル予測のための効率的な機械学習(ML)に基づく手法を提案する。
提案手法の新規性は、選択的なフェーディングにおける将来のチャネル挙動を推定するために使用されるチャネルフェーディングサンプルのトレーニングにある。
論文 参考訳（メタデータ） (2023-05-31T09:41:27Z) - Pay Less But Get More: A Dual-Attention-based Channel Estimation Network
for Massive MIMO Systems with Low-Density Pilots [41.213515826100696]
低密度パイロットによる正確なチャネル推定を実現するために,デュアルアテンションに基づくチャネル推定ネットワーク(DACEN)を提案する。
実験結果から,提案手法は既存の手法よりも優れたチャネル推定性能が得られることがわかった。
論文 参考訳（メタデータ） (2023-03-02T05:34:25Z) - Over-the-Air Design of GAN Training for mmWave MIMO Channel Estimation [35.62977046569772]
我々は,ノイズを受信したパイロット測度を利用して深層生成モデルの訓練を行う,教師なしオーバー・ザ・エア(OTA)アルゴリズムを開発した。
次に、逆問題として、限られた数のパイロット測定値からチャネル推定を定式化する。
提案するフレームワークは,実雑音のパイロット測定を用いてオンライントレーニングを行うことが可能である。
論文 参考訳（メタデータ） (2022-05-25T02:26:34Z) - Deep Diffusion Models for Robust Channel Estimation [1.7259824817932292]
深部拡散モデルを用いたマルチインプット・マルチアウトプット(MIMO)チャネル推定のための新しい手法を提案する。
提案手法は,高次元空間の任意の点における無線チャネルのログ状勾配を推定するために訓練されたディープニューラルネットワークを用いている。
論文 参考訳（メタデータ） (2021-11-16T01:32:11Z) - Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。
一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。
本稿では2つの新しい推定法を提案する。
論文 参考訳（メタデータ） (2021-09-06T13:42:32Z) - 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) - Model-Driven Deep Learning Based Channel Estimation and Feedback for
Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。
無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。
MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-04-22T13:34:53Z) - Power Control for a URLLC-enabled UAV system incorporated with DNN-Based
Channel Estimation [82.16169603954663]
この手紙は、ディープニューラルネットワーク(DNN)に基づくチャネル推定を組み込んだ超信頼性低遅延通信(URLLC)有効無人航空機(UAV)システムの電力制御に関するものである。
論文 参考訳（メタデータ） (2020-11-14T02:31:04Z) - 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。