論文の概要: Interference-Aware Super-Constellation Design for NOMA

• arxiv url: http://arxiv.org/abs/2503.07509v1
• Date: Mon, 10 Mar 2025 16:31:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 18:53:45.500447
• Title: Interference-Aware Super-Constellation Design for NOMA
• Title（参考訳）: 干渉を考慮したNOOMA用スーパーコンステレーション設計
• Authors: Mojtaba Vaezi, Xinliang Zhang,
• Abstract要約: 本稿では、干渉認識型スーパーコンステレーションの設計にオートエンコーダを用いる。 提案したオートエンコーダベースのNOMA (AE-NOMA) は、チャネルゲインに関係なく、受信側で区別可能なシンボルを持つ超星空を設計するよう訓練されている。 干渉認識型星座のビット誤り率向上効果を示すために, 種々の試験結果が得られた。
• 参考スコア（独自算出の注目度）: 11.887537452826624
• License:
• Abstract: Non-orthogonal multiple access (NOMA) has gained significant attention as a potential next-generation multiple access technique. However, its implementation with finite-alphabet inputs faces challenges. Particularly, due to inter-user interference, superimposed constellations may have overlapping symbols leading to high bit error rates when successive interference cancellation (SIC) is applied. To tackle the issue, this paper employs autoencoders to design interference-aware super-constellations. Unlike conventional methods where superimposed constellation may have overlapping symbols, the proposed autoencoder-based NOMA (AE-NOMA) is trained to design super-constellations with distinguishable symbols at receivers, regardless of channel gains. The proposed architecture removes the need for SIC, allowing maximum likelihood-based approaches to be used instead. The paper presents the conceptual architecture, loss functions, and training strategies for AE-NOMA. Various test results are provided to demonstrate the effectiveness of interference-aware constellations in improving the bit error rate, indicating the adaptability of AE-NOMA to different channel scenarios and its promising potential for implementing NOMA systems
• Abstract（参考訳）: 非直交多重アクセス(Noma)は次世代マルチアクセス技術として注目されている。 しかし、有限アルファベット入力による実装は課題に直面している。 特に、ユーザー間干渉により、重畳された星座は、連続的な干渉キャンセル(SIC)が適用されたときに高いビット誤り率をもたらすシンボルが重複している可能性がある。 この問題に対処するために,本稿では,干渉対応スーパーコンステレーションの設計にオートエンコーダを用いる。 重畳された星座が重複するシンボルを持つ従来の方法とは異なり、提案されたオートエンコーダベースのNOMA (AE-NOMA) は、チャネルゲインに関係なく、受信機で区別可能なシンボルで超星座を設計するよう訓練されている。 提案したアーキテクチャは、SICの必要性を排除し、最大極大ベースのアプローチを代わりに使用できるようにする。 本稿では,AE-NOMAの概念的アーキテクチャ,損失関数,トレーニング戦略について述べる。 AE-NOMAの異なるチャネルシナリオへの適応性およびNOMAシステムの実装に期待できる可能性を示す、ビット誤り率の向上における干渉認識星座の有効性を示す様々な試験結果が提示された。

関連論文リスト

• Joint Transmit and Pinching Beamforming for PASS: Optimization-Based or Learning-Based? [89.05848771674773]
  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。
  論文  参考訳（メタデータ） (2025-02-12T18:54:10Z)
• Modulation and Coding for NOMA and RSMA [25.333836418988497]
  次世代多重アクセス(NGMA)は、従来の方法とは異なる送信方式の傘用語である。 非直交多重アクセス(Noma)は、複数のユーザが同時に時間、周波数、空間を共有することで接続性を高めるソリューションとして現れる。 NOMAは、特にユーザ間干渉のキャンセルにおいて、実装上の課題に直面している。
  論文  参考訳（メタデータ） (2024-09-30T21:18:35Z)
• A Machine Learning Approach for Simultaneous Demapping of QAM and APSK Constellations [6.718383919930469]
  本稿では、1つのDNNデマッパーが同時に複数のQAMとAPSK星座をデマップできる新しい確率的フレームワークを提案する。 また、我々のフレームワークは、星座の族における階層的関係を活用できることを示した。
  論文  参考訳（メタデータ） (2024-05-16T08:57:34Z)
• Generative AI-Based Probabilistic Constellation Shaping With Diffusion Models [12.218161437914118]
  我々は,通信システムにおける星座記号のPHY設計のための生成AIの力を解き放つことを目的としている。 本研究では,拡散確率モデル(DDPM)のデノイズ・アンド・ジェネレート特性を確率論的星座形成に利用した。 以上の結果から,生成AIに基づくスキームは,ディープニューラルネットワーク(DNN)ベースのベンチマークや均一なシェーピングよりも優れていた。
  論文  参考訳（メタデータ） (2023-11-15T20:14:21Z)
• 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)
• Deep Autoencoder-based Z-Interference Channels with Perfect and Imperfect CSI [14.04355073946466]
  本稿では,Z-Interference Channel (ZIC) 上でのエンド・ツー・エンド・エンド通信のためのDeep Autoencoder (DAE) ベースの構造について述べる。 提案した構造は、2つのエンコーダ/デコーダペアを共同で最適化し、干渉強度に基づいてそれらの形状を動的に適応させてビット誤り率(BER)を最小化する干渉対応コンステレーションを生成する。 DAEには、平均的な電力制約を保証し、構造が一様でない星座を生成できるように、インフェーズ/クアクラチャ相(I/Q)の電力割り当て層が導入された。
  論文  参考訳（メタデータ） (2023-10-23T15:23:42Z)
• LAMBO: Large AI Model Empowered Edge Intelligence [71.56135386994119]
  次世代エッジインテリジェンスは、オフロード技術を通じて様々なアプリケーションに恩恵をもたらすことが期待されている。 従来のオフロードアーキテクチャは、不均一な制約、部分的な認識、不確実な一般化、トラクタビリティの欠如など、いくつかの問題に直面している。 我々は、これらの問題を解決するための10億以上のパラメータを持つLarge AI Model-Based Offloading (LAMBO)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-29T07:25:42Z)
• A Weighted Autoencoder-Based Approach to Downlink NOMA Constellation Design [3.991584682799934]
  本研究では,AEトレーニングにおける重み付き損失関数を導入し,異なるユーザのエラー確率のバランスをとる。 達成可能なレベルの大幅な改善と、異なるユーザのエラー確率の柔軟な制御を示す。
  論文  参考訳（メタデータ） (2023-06-23T10:19:31Z)
• Discriminator-Free Generative Adversarial Attack [87.71852388383242]
  生成的ベースの敵攻撃は、この制限を取り除くことができる。 ASymmetric Saliency-based Auto-Encoder (SSAE) は摂動を生成する。 SSAEが生成した敵の例は、広く使われているモデルを崩壊させるだけでなく、優れた視覚的品質を実現する。
  論文  参考訳（メタデータ） (2021-07-20T01:55:21Z)
• Deep Multi-Task Learning for Cooperative NOMA: System Design and Principles [52.79089414630366]
  我々は,近年のディープラーニング(DL)の進歩を反映した,新しいディープ・コラボレーティブなNOMAスキームを開発する。 我々は,システム全体を包括的に最適化できるように,新しいハイブリッドカスケードディープニューラルネットワーク(DNN)アーキテクチャを開発した。
  論文  参考訳（メタデータ） (2020-07-27T12:38:37Z)
• Suppress and Balance: A Simple Gated Network for Salient Object Detection [89.88222217065858]
  両問題を同時に解くための単純なゲートネットワーク(GateNet)を提案する。 多レベルゲートユニットの助けを借りて、エンコーダからの貴重なコンテキスト情報をデコーダに最適に送信することができる。 さらに,提案したFold-ASPP操作(Fold-ASPP)に基づくアトラス空間ピラミッドプーリングを用いて,様々なスケールのサリアンオブジェクトを正確に位置決めする。
  論文  参考訳（メタデータ） (2020-07-16T02:00:53Z)

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。