論文の概要: A MIMO Wireless Channel Foundation Model via CIR-CSI Consistency

• arxiv url: http://arxiv.org/abs/2502.11965v1
• Date: Mon, 17 Feb 2025 16:13:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:09:23.890570
• Title: A MIMO Wireless Channel Foundation Model via CIR-CSI Consistency
• Title（参考訳）: CIR-CSI整合性を利用したMIMO無線チャネル基礎モデル
• Authors: Jun Jiang, Wenjun Yu, Yunfan Li, Yuan Gao, Shugong Xu,
• Abstract要約: 本稿では,チャネル状態情報(CSI)とチャネルインパルス応答(CIR)を自然に整列したマルチモーダルデータとして扱う。 CIRとCSIの両方の結合表現を効果的にキャプチャすることで、CSI-CLIPはシナリオ間で顕著な適応性を示す。
• 参考スコア（独自算出の注目度）: 19.658024410165112
• License:
• Abstract: In the field of artificial intelligence, self-supervised learning has demonstrated superior generalization capabilities by leveraging large-scale unlabeled datasets for pretraining, which is especially critical for wireless communication models to adapt to a variety of scenarios. This paper innovatively treats Channel State Information (CSI) and Channel Impulse Response (CIR) as naturally aligned multi-modal data and proposes the first MIMO wireless channel foundation model, named CSI-CLIP. By effectively capturing the joint representations of both CIR and CSI, CSI-CLIP exhibits remarkable adaptability across scenarios and robust feature extraction capabilities. Experimental results show that in positioning task, CSI-CLIP reduces the mean error distance by 22%; in beam management task, it increases accuracy by 1% compared to traditional supervised methods, as well as in the channel identification task. These improvements not only highlight the potential and value of CSI-CLIP in integrating sensing and communication but also demonstrate its significant advantages over existing techniques. Moreover, viewing CSI and CIR as multi-modal pairs and contrastive learning for wireless channel foundation model open up new research directions in the domain of MIMO wireless communications.
• Abstract（参考訳）: 人工知能の分野では、大規模未ラベルデータセットを事前トレーニングに活用することで、自己教師型学習が優れた一般化能力を示した。 本稿では,CSI(Channel State Information)とCIR(Channel Impulse Response)を自然に整列したマルチモーダルデータとして扱うとともに,CSI-CLIP(Channel State Information)と呼ばれる最初のMIMO無線チャネル基盤モデルを提案する。 CIRとCSIの両方の結合表現を効果的にキャプチャすることで、CSI-CLIPはシナリオ間の顕著な適応性と堅牢な特徴抽出能力を示す。 実験の結果, 位置決めタスクでは, CSI-CLIPが平均誤差距離を22%削減し, ビーム管理タスクでは従来の教師付き手法やチャネル識別タスクと比較して精度を1%向上することがわかった。 これらの改善は、センシングと通信の統合におけるCSI-CLIPの可能性と価値を強調するだけでなく、既存の技術よりも大きな利点を示している。 さらに、CSIとCIRをマルチモーダルペアとみなし、無線チャネル基盤モデルに対するコントラスト学習により、MIMO無線通信分野における新たな研究方向が開かれた。

関連論文リスト

• 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)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• Hybrid Knowledge-Data Driven Channel Semantic Acquisition and Beamforming for Cell-Free Massive MIMO [6.010360758759109]
  本稿では、ユビキタス・拡張現実(XR)アプリケーションのサポートを改善するために、屋外無線システムの進歩に焦点を当てる。 セルレス大規模マルチインプットマルチアウトプット(MIMO)システムにおいて,チャネル意味獲得とマルチユーザビームフォーミングのためのハイブリッド知識データ駆動方式を提案する。
  論文  参考訳（メタデータ） (2023-07-06T15:35:55Z)
• 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)
• Decentralized Learning over Wireless Networks: The Effect of Broadcast with Random Access [56.91063444859008]
  本稿では,D-SGDのコンバージェンス性能に及ぼす放送送信と確率的ランダムアクセスポリシーの影響について検討する。 この結果から,アクセス確率を最適化し,期待されるリンク数の最大化が,システム収束を加速するための極めて効果的な戦略であることが示唆された。
  論文  参考訳（メタデータ） (2023-05-12T10:32:26Z)
• 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)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Attention Aided CSI Wireless Localization [19.50869817974852]
  我々は、ディープニューラルネットワーク(DNN)におけるロバストな特徴学習のための注意に基づくCSIを提案する。 我々は,2つの非定常線路環境におけるレイトレーシングチャネルの集中分散MIMOシステムの性能評価を行った。
  論文  参考訳（メタデータ） (2022-03-20T09:38:01Z)
• Multi-task Learning Approach for Modulation and Wireless Signal Classification for 5G and Beyond: Edge Deployment via Model Compression [1.218340575383456]
  将来的な通信網は、異種無線デバイスの成長に対応するために、少ないスペクトルに対処する必要がある。 我々は、深層ニューラルネットワークに基づくマルチタスク学習フレームワークの可能性を利用して、変調と信号分類タスクを同時に学習する。 公共利用のための包括的ヘテロジニアス無線信号データセットを提供する。
  論文  参考訳（メタデータ） (2022-02-26T14:51:02Z)
• Multi-IRS-assisted Multi-Cell Uplink MIMO Communications under Imperfect CSI: A Deep Reinforcement Learning Approach [27.93504884774207]
  アップリンクにおけるマルチIRS支援マルチセルネットワークのための新しい手法を開発した。 我々は、IRSビームリフレクター、BSコンバインダ、UE送信パワーを共同最適化することを目的とした和率問題を定式化する。 その結果,本手法はベースライン手法と比較して,平均データレートが大幅に向上していることが示唆された。
  論文  参考訳（メタデータ） (2020-11-02T17:33:23Z)
• Millimeter Wave Communications with an Intelligent Reflector: Performance Optimization and Distributional Reinforcement Learning [119.97450366894718]
  ミリ波基地局のダウンリンクマルチユーザ通信を最適化するための新しいフレームワークを提案する。 チャネル状態情報(CSI)をリアルタイムで計測するために,チャネル推定手法を開発した。 最適赤外反射を学習し、ダウンリンク能力の期待を最大化するために、分布強化学習(DRL)手法を提案する。
  論文  参考訳（メタデータ） (2020-02-24T22:18:54Z)

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。