論文の概要: CSI Compression using Channel Charting

• arxiv url: http://arxiv.org/abs/2501.01431v1
• Date: Mon, 16 Dec 2024 08:30:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-12 04:13:41.335834
• Title: CSI Compression using Channel Charting
• Title（参考訳）: チャネルチャートを用いたCSI圧縮
• Authors: Baptiste Chatelier, Vincent Corlay, Matthieu Crussière, Luc Le Magoarou,
• Abstract要約: 周波数分割デュプレックス(FDD)におけるマルチアンテナ通信システムでは、移動体から基地局(BS)へのチャネル状態情報(CSI)の報告が必要となる。 CSIレポートに伴うオーバーヘッドを軽減するため、モバイルユーザから送信された圧縮バージョンからBSでオリジナルのCSIを復元する目的で圧縮CSI技術が提案されている。 チャネルチャートは、CSIから無線環境マップを構築するための教師なし次元削減手法である。
• 参考スコア（独自算出の注目度）: 6.067275317776295
• License:
• Abstract: Reaping the benefits of multi-antenna communication systems in frequency division duplex (FDD) requires channel state information (CSI) reporting from mobile users to the base station (BS). Over the last decades, the amount of CSI to be collected has become very challenging owing to the dramatic increase of the number of antennas at BSs. To mitigate the overhead associated with CSI reporting, compressed CSI techniques have been proposed with the idea of recovering the original CSI at the BS from its compressed version sent by the mobile users. Channel charting is an unsupervised dimensionality reduction method that consists in building a radio-environment map from CSIs. Such a method can be considered in the context of the CSI compression problem, since a chart location is, by definition, a low-dimensional representation of the CSI. In this paper, the performance of channel charting for a task-based CSI compression application is studied. A comparison of the proposed method against baselines on realistic synthetic data is proposed, showing promising results.
• Abstract（参考訳）: 周波数分割デュプレックス(FDD)におけるマルチアンテナ通信システムの利点を享受するには、移動体ユーザから基地局(BS)へのチャネル状態情報(CSI)を報告する必要がある。 過去数十年間で、BSのアンテナ数が劇的に増えたため、収集されるCSIの量は極めて困難になっている。 CSIレポートに伴うオーバーヘッドを軽減するため、モバイルユーザから送信された圧縮バージョンからBSでオリジナルのCSIを復元する目的で圧縮CSI技術が提案されている。 チャネルチャートは、CSIから無線環境マップを構築するための教師なし次元削減手法である。 このような方法は、チャートの位置が定義上、CSIの低次元表現であるため、CSI圧縮問題の文脈で考えることができる。 本稿では,タスクベースCSI圧縮アプリケーションにおけるチャネルチャートの性能について検討する。 現実的な合成データに基づくベースラインに対する提案手法の比較を行い,有望な結果を示した。

関連論文リスト

• Rethinking Transformer-Based Blind-Spot Network for Self-Supervised Image Denoising [94.09442506816724]
  BSN(Blind-spot Network)は、自己教師付き画像復調(SSID)におけるニューラルネットワークアーキテクチャとして広く使われている。 本研究では,Transformer ベースの Blind-Spot Network (TBSN) を構築した。
  論文  参考訳（メタデータ） (2024-04-11T15:39:10Z)
• Finding the Missing Data: A BERT-inspired Approach Against Package Loss in Wireless Sensing [14.973433993744708]
  CSI回復のための変換器(BERT)からの双方向表現に基づく深層学習モデルを提案する。 CSI-BERTは、追加のデータを必要とせずに、ターゲットデータセット上で自己管理的な方法でトレーニングすることができる。 実験の結果,CSI-BERTは従来の手法に比べて誤り率と速度が低いことがわかった。
  論文  参考訳（メタデータ） (2024-03-19T03:16:52Z)
• A Low-Overhead Incorporation-Extrapolation based Few-Shot CSI Feedback Framework for Massive MIMO Systems [45.22132581755417]
  周波数分割二重化(FDD)大規模マルチインプット多重出力(MIMO)システムにおけるダウンリンクプリコーディングには、正確なチャネル状態情報(CSI)が不可欠である。 しかし,アンテナやサブキャリアの規模が大きくなると,ユーザ機器(UE)からのフィードバックによるCSI取得が困難になる。 CSIを圧縮するために深層学習に基づく手法が登場したが、これらの方法はかなりの収集サンプルを必要とする。 既存のディープラーニング手法は、フル次元のCSIフィードバックに重点を置いているため、フィードバックオーバーヘッドが劇的に増加することにも悩まされる。 低オーバーヘッド抽出に基づくFew-Shot CSIを提案する。
  論文  参考訳（メタデータ） (2023-12-07T06:01:47Z)
• 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)
• Deep Learning-Based Rate-Splitting Multiple Access for Reconfigurable Intelligent Surface-Aided Tera-Hertz Massive MIMO [56.022764337221325]
  再構成可能なインテリジェントサーフェス(RIS)は,Tera-Hertz大規模マルチインプットマルチアウトプット(MIMO)通信システムのサービスカバレッジを大幅に向上させることができる。 しかし、パイロットとフィードバック信号のオーバーヘッドが限定された正確な高次元チャネル状態情報(CSI)を得ることは困難である。 本稿では、RIS支援Tera-Hertzマルチユーザアクセスシステムのための、ディープラーニング(DL)に基づくレート分割多重アクセス方式を提案する。
  論文  参考訳（メタデータ） (2022-09-18T03:07:37Z)
• Overview of Deep Learning-based CSI Feedback in Massive MIMO Systems [77.0986534024972]
  ディープラーニング(DL)ベースのCSIフィードバックは、DLベースのオートエンコーダによるCSI圧縮と再構築を指し、フィードバックオーバーヘッドを大幅に削減することができる。 その焦点は、CSIフィードバックの正確性を改善するために、新しいニューラルネットワークアーキテクチャとコミュニケーション専門家の知識の利用である。
  論文  参考訳（メタデータ） (2022-06-29T03:28:57Z)
• 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)
• Distributed Deep Convolutional Compression for Massive MIMO CSI Feedback [9.959844922120524]
  大規模マルチインプット・マルチアウトプット(MIMO)システムは、空間的多様性と多重化ゲインを達成するために、基地局(BS)のダウンリンクチャネル状態情報(CSI)を必要とする。 本稿では、畳み込み層と量子化およびエントロピー符号化ブロックからなるディープラーニング(DL)ベースのCSI圧縮スキームDeepCMCを提案する。 DeepCMCは、CSI品質とフィードバックオーバーヘッドの間のトレードオフを可能にする、重み付けされたレート歪みコストを最小限に抑えるように訓練されている。
  論文  参考訳（メタデータ） (2020-03-07T12:33:31Z)
• 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。