論文の概要: MIMO Detection via Gaussian Mixture Expectation Propagation: A Bayesian Machine Learning Approach for High-Order High-Dimensional MIMO Systems

• arxiv url: http://arxiv.org/abs/2412.09068v1
• Date: Thu, 12 Dec 2024 08:53:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-13 13:31:29.144167
• Title: MIMO Detection via Gaussian Mixture Expectation Propagation: A Bayesian Machine Learning Approach for High-Order High-Dimensional MIMO Systems
• Title（参考訳）: ガウス混合期待伝搬によるMIMO検出:高次高次元MIMOシステムに対するベイズ機械学習アプローチ
• Authors: Shachar Shayovitz, Doron Ezri, Yoav Levinbook,
• Abstract要約: 効率的なアップリンク(UL) MIMO検出アルゴリズムは、これらの信号を正確に復号し、堅牢な通信を保証するために重要である。 このアルゴリズムは、計算複雑性を低く保ちながら、アート検出アルゴリズムの状態を上回ります。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: MIMO systems can simultaneously transmit multiple data streams within the same frequency band, thus exploiting the spatial dimension to enhance performance. MIMO detection poses considerable challenges due to the interference and noise introduced by the concurrent transmission of multiple streams. Efficient Uplink (UL) MIMO detection algorithms are crucial for decoding these signals accurately and ensuring robust communication. In this paper a MIMO detection algorithm is proposed which improves over the Expectation Propagation (EP) algorithm. The proposed algorithm is based on a Gaussian Mixture Model (GMM) approximation for Belief Propagation (BP) and EP messages. The GMM messages better approximate the data prior when EP fails to do so and thus improve detection. This algorithm outperforms state of the art detection algorithms while maintaining low computational complexity.
• Abstract（参考訳）: MIMOシステムは、同じ周波数帯域内で複数のデータストリームを同時に送信できるため、空間次元を利用して性能を向上させることができる。 MIMO検出は、複数のストリームの同時送信によってもたらされる干渉とノイズにより、かなりの問題を引き起こす。 効率的なアップリンク(UL)MIMO検出アルゴリズムは、これらの信号を正確に復号し、堅牢な通信を保証するために重要である。 本稿では,予測伝搬(EP)アルゴリズムよりも優れたMIMO検出アルゴリズムを提案する。 提案アルゴリズムは,Belief Propagation (BP) とEPメッセージに対するGaussian Mixture Model (GMM)近似に基づく。 GMMメッセージはEPがそれを行う前にデータをよりよく近似し、検出を改善する。 このアルゴリズムは計算複雑性を低く保ちながら最先端検出アルゴリズムより優れている。

関連論文リスト

• Deep Unfolded Simulated Bifurcation for Massive MIMO Signal Detection [7.969977930633441]
  深層学習技術と量子(インスパイアされた)アルゴリズムに基づく様々な信号検出器が提案され,検出性能が向上した。 本稿では、量子インスパイアされたアルゴリズムであるシミュレート・バイフルケーション(SB)アルゴリズムに焦点を当てる。
  論文  参考訳（メタデータ） (2023-06-28T14:46:55Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• Simulated Bifurcation Algorithm for MIMO Detection [4.251210885092476]
  マルチインプット多重出力(MIMO)システムにおける信号検出のためのシミュレート分岐アルゴリズム(SB)の性能について検討した。 その結果、SBアルゴリズムは、広く使われている線形最小平均二乗誤り復号器に対して、大幅な性能向上を達成できることを示した。
  論文  参考訳（メタデータ） (2022-10-26T12:25:05Z)
• ConCrete MAP: Learning a Probabilistic Relaxation of Discrete Variables for Soft Estimation with Low Complexity [9.62543698736491]
  ConCrete MAP Detection (CMD)は、大きな逆線形問題に対する反復検出アルゴリズムである。 我々は、SotAと比較して、CMDが有望なパフォーマンス複雑性のトレードオフを特徴付けることを示す。 特に,CMDのソフト出力がデコーダに信頼性を持つことを示す。
  論文  参考訳（メタデータ） (2021-02-25T09:54:25Z)
• Quantum Algorithm for DOA Estimation in Hybrid Massive MIMO [1.7404865362620803]
  アレイ信号処理における到着方向推定(DOA)は重要な研究領域である。 本稿では,MUSICに基づくDOA推定のための量子アルゴリズムを提案する。 提案アルゴリズムは, パラメータの指数的な高速化と, 穏やかな条件下での高速化を実現する。
  論文  参考訳（メタデータ） (2021-02-08T02:15:07Z)
• Optimal Sequential Detection of Signals with Unknown Appearance and Disappearance Points in Time [64.26593350748401]
  本論文は、変化の期間が有限で未知であると仮定して、逐次的な変化点検出問題に対処する。 我々は、所定の時間(または空間)ウィンドウにおける最小検出確率を最大化する信頼性の高い最大変更検出基準に焦点を当てる。 FMAアルゴリズムは、光学画像中の衛星のかすかなストリークを検出するために応用される。
  論文  参考訳（メタデータ） (2021-02-02T04:58:57Z)
• Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
  そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。 我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。 数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2020-11-18T16:40:45Z)
• Coded Stochastic ADMM for Decentralized Consensus Optimization with Edge Computing [113.52575069030192]
  セキュリティ要件の高いアプリケーションを含むビッグデータは、モバイルデバイスやドローン、車両など、複数の異種デバイスに収集され、格納されることが多い。 通信コストとセキュリティ要件の制限のため、核融合センターにデータを集約するのではなく、分散的に情報を抽出することが最重要となる。 分散エッジノードを介してデータを局所的に処理するマルチエージェントシステムにおいて,モデルパラメータを学習する問題を考える。 分散学習モデルを開発するために,乗算器アルゴリズムの最小バッチ交互方向法(ADMM)のクラスについて検討した。
  論文  参考訳（メタデータ） (2020-10-02T10:41:59Z)
• Deep Learning Based Equalizer for MIMO-OFDM Systems with Insufficient Cyclic Prefix [11.11468231197267]
  特に、信号検出性能は、キャリア間干渉(ICI)とシンボル間干渉(ISI)によって著しく損なわれている。 この問題に対処するために,最大確率検出を近似するために,深層学習に基づく等化器を提案する。 その結果,提案手法は従来の2つのベースライン方式と比較して,大幅な性能向上を実現可能であることがわかった。
  論文  参考訳（メタデータ） (2020-07-23T02:21:24Z)
• Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding Design for Multiuser MIMO Systems [59.804810122136345]
  本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。 古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。 提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
  論文  参考訳（メタデータ） (2020-06-15T02:57:57Z)
• Channel Assignment in Uplink Wireless Communication using Machine Learning Approach [54.012791474906514]
  本稿では,アップリンク無線通信システムにおけるチャネル割り当て問題について検討する。 我々の目標は、整数チャネル割り当て制約を受ける全ユーザの総和率を最大化することです。 計算複雑性が高いため、機械学習アプローチは計算効率のよい解を得るために用いられる。
  論文  参考訳（メタデータ） (2020-01-12T15:54:20Z)

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。