論文の概要: Joint Transmit and Pinching Beamforming for PASS: Optimization-Based or Learning-Based?

• arxiv url: http://arxiv.org/abs/2502.08637v1
• Date: Wed, 12 Feb 2025 18:54:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-13 13:44:27.063943
• Title: Joint Transmit and Pinching Beamforming for PASS: Optimization-Based or Learning-Based?
• Title（参考訳）: PASSのための共同送信とピンチビームフォーミング-最適化ベースか学習ベースか?
• Authors: Xiaoxia Xu, Xidong Mu, Yuanwei Liu, Arumugam Nallanathan,
• Abstract要約: MISO (Multiple-input Single-output) フレームワークを提案する。 それは複数の導波路で構成されており、多数の低コストアンテナ(PA)を備えている。 PAの位置は、大規模パスと空間の両方にまたがるように再構成することができる。
• 参考スコア（独自算出の注目度）: 89.05848771674773
• License:
• Abstract: A novel pinching antenna system (PASS)-enabled downlink multi-user multiple-input single-output (MISO) framework is proposed. PASS consists of multiple waveguides spanning over thousands of wavelength, which equip numerous low-cost dielectric particles, named pinching antennas (PAs), to radiate signals into free space. The positions of PAs can be reconfigured to change both the large-scale path losses and phases of signals, thus facilitating the novel pinching beamforming design. A sum rate maximization problem is formulated, which jointly optimizes the transmit and pinching beamforming to adaptively achieve constructive signal enhancement and destructive interference mitigation. To solve this highly coupled and nonconvex problem, both optimization-based and learning-based methods are proposed. 1) For the optimization-based method, a majorization-minimization and penalty dual decomposition (MM-PDD) algorithm is developed, which handles the nonconvex complex exponential component using a Lipschitz surrogate function and then invokes PDD for problem decoupling. 2) For the learning-based method, a novel Karush-Kuhn-Tucker (KKT)-guided dual learning (KDL) approach is proposed, which enables KKT solutions to be reconstructed in a data-driven manner by learning dual variables. Following this idea, a KDL-Tranformer algorithm is developed, which captures both inter-PA/inter-user dependencies and channel-state-information (CSI)-beamforming dependencies by attention mechanisms. Simulation results demonstrate that: i) The proposed PASS framework significantly outperforms conventional massive multiple input multiple output (MIMO) system even with a few PAs. ii) The proposed KDL-Transformer can improve over 30% system performance than MM-PDD algorithm, while achieving a millisecond-level response on modern GPUs.
• Abstract（参考訳）: MISO(Multiple-input Single-output)フレームワークとして,新しいピンチアンテナシステムを提案する。 PASSは何千もの波長にまたがる複数の導波路から構成されており、多数の低コストの誘電体粒子(ピンチアンテナ(PA))を供給し、信号を自由空間に放射する。 PAの位置は、大規模な経路損失と信号の位相の両方を変えるように再構成できるため、新しいピンチビームフォーミング設計が容易になる。 送信およびピンチビームフォーミングを共同で最適化し、建設的信号強調及び破壊的干渉緩和を適応的に達成する総和レート最大化問題を定式化する。 この高結合性および非凸性問題を解決するため,最適化法と学習法の両方を提案する。 1) 最適化法では,リプシッツ代用関数を用いて非凸複素指数成分を処理し,問題分離のためにPDDを起動するMM-PDDアルゴリズムが開発された。 2) 学習に基づく手法として,KKT法を2変数学習によりデータ駆動型に再構築するKKT誘導二重学習(KKT)手法を提案する。 このアイデアに従い、KDL-Tranformerアルゴリズムが開発され、PA/ユーザ間の依存関係とチャネル状態情報(CSI)間の依存関係の両方をアテンション機構によってキャプチャする。 シミュレーションの結果は以下のようになる。 i)提案したPASSフレームワークは,数個のPAを伴っても,従来の大規模多重入力多重出力(MIMO)システムよりも大幅に性能が向上する。 二 提案したKDL変換器は、最近のGPUでミリ秒レベルの応答を実現しつつ、MM-PDDアルゴリズムよりも30%以上のシステム性能を向上させることができる。

関連論文リスト

• Co-learning-aided Multi-modal-deep-learning Framework of Passive DOA Estimators for a Heterogeneous Hybrid Massive MIMO Receiver [16.847344273958292]
  完全デジタル(FD) 大規模なマルチインプット多重出力(MIMO)アンテナアレイは、データ伝送と到着方向(DOA)測定に広く応用されている。 計算複雑性と回路コストの2つの大きな課題に直面している。 この2つの問題は、ハイブリッドアナログデジタル構造(HAD)によってうまく対処できる。 しかし、HADの位相曖昧性の問題があるため、その低効率性や高レイテンシにつながる。
  論文  参考訳（メタデータ） (2024-04-27T07:34:36Z)
• Deep Learning Assisted Multiuser MIMO Load Modulated Systems for Enhanced Downlink mmWave Communications [68.96633803796003]
  本稿では, マルチユーザ負荷変調アレイ (MU-LMA) に着目し, マイクロウェーブ (mmWave) マルチインプット・マルチアウトプット (MIMO) システムにおいて, マルチユーザ負荷変調アレイ (MU-LMA) の小型化とコスト削減を図っている。 ダウンリンクMU-LMAの既存のプリコーディングアルゴリズムは、自由度と複雑なシステム構成の低下に悩まされるサブアレイ構造化(SAS)送信機に依存している。 本稿では,FAS (Full-array Structured) 送信機を用いたMU-LMAシステムを提案し,それに応じて2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-11-08T08:54:56Z)
• Data-Driven Deep Learning Based Hybrid Beamforming for Aerial Massive MIMO-OFDM Systems with Implicit CSI [29.11998008894847]
  本稿では,データ駆動型深層学習に基づく統合ハイブリッドビームフォーミングフレームワークを提案する。 TDDシステムでは、提案されたDLベースのアプローチは、E2Eニューラルネットワークとして、アップリンクパイロットの組み合わせとダウンリンクハイブリッドビームフォーミングモジュールを共同でモデル化する。 FDDシステムにおいて、我々は、E2Eニューラルネットワークとして、ダウンリンクパイロットトランスミッション、アップリンクCSIフィードバック、およびダウンリンクハイブリッドビームフォーミングモジュールを共同でモデル化する。
  論文  参考訳（メタデータ） (2022-01-18T07:21:00Z)
• Learning OFDM Waveforms with PAPR and ACLR Constraints [15.423422040627331]
  達成可能な情報レートを最大化しつつ,選択した制約を満たすOFDMベースの波形を設計するための学習ベース手法を提案する。 エンドツーエンドシステムは,PAPRとACLRの制約を満たすことができ,スループットを著しく向上させることができることを示す。
  論文  参考訳（メタデータ） (2021-10-21T08:58:59Z)
• 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)
• Neural Calibration for Scalable Beamforming in FDD Massive MIMO with Implicit Channel Estimation [10.775558382613077]
  チャネル推定とビームフォーミングは、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)システムにおいて重要な役割を果たす。 受信したアップリンクパイロットに応じて,基地局のビームフォーマを直接最適化する深層学習方式を提案する。 エンド・ツー・エンドの設計のスケーラビリティを向上させるために,ニューラルキャリブレーション法を提案する。
  論文  参考訳（メタデータ） (2021-08-03T14:26:14Z)
• Bi-level Off-policy Reinforcement Learning for Volt/VAR Control Involving Continuous and Discrete Devices [2.079959811127612]
  Volt/Varコントロールでは、スロータイムスケールの離散デバイス(STDD)と高速タイムスケールの連続デバイス(FTCD)の両方が関与する。 従来の最適化手法はシステムの正確なモデルに強く依存しているが、モデル化に対する耐え難い努力のために実用的でない場合もある。 本論文では, この問題をモデルフリーで解くために, RL(バイレベル・オフポリシ強化学習)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-04-13T02:22:43Z)
• Adaptive Subcarrier, Parameter, and Power Allocation for Partitioned Edge Learning Over Broadband Channels [69.18343801164741]
  パーティショニングエッジ学習(PARTEL)は、無線ネットワークにおいてよく知られた分散学習手法であるパラメータサーバトレーニングを実装している。 本稿では、いくつかの補助変数を導入してParticleELを用いてトレーニングできるディープニューラルネットワーク(DNN)モデルについて考察する。
  論文  参考訳（メタデータ） (2020-10-08T15:27:50Z)
• Optimization-driven Machine Learning for Intelligent Reflecting Surfaces Assisted Wireless Networks [82.33619654835348]
  インテリジェントサーフェス(IRS)は、個々の散乱素子の位相シフトを制御して無線チャネルを再形成するために用いられる。 散乱素子の規模が大きいため、受動ビームフォーミングは一般に高い計算複雑性によって挑戦される。 本稿では、IRS支援無線ネットワークの性能向上のための機械学習(ML)アプローチに焦点を当てる。
  論文  参考訳（メタデータ） (2020-08-29T08:39:43Z)
• Optimization-driven Deep Reinforcement Learning for Robust Beamforming in IRS-assisted Wireless Communications [54.610318402371185]
  Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。 我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。 過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
  論文  参考訳（メタデータ） (2020-05-25T01:42:55Z)

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。