論文の概要: Transformer-based Wireless Symbol Detection Over Fading Channels

• arxiv url: http://arxiv.org/abs/2503.16594v1
• Date: Thu, 20 Mar 2025 17:57:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-24 14:57:37.778644
• Title: Transformer-based Wireless Symbol Detection Over Fading Channels
• Title（参考訳）: 変圧器を用いたフェーディングチャネル上の無線シンボル検出
• Authors: Li Fan, Jing Yang, Cong Shen,
• Abstract要約: トランスフォーマーベースの無線受信機は、パイロットデータが豊富である場合に高い検出精度を示す。 本稿では,新しい無線受信機設計としてDEFINED(Decision Feedback IncontExt Detection)ソリューションを提案する。
• 参考スコア（独自算出の注目度）: 12.51769528923677
• License:
• Abstract: Pre-trained Transformers, through in-context learning (ICL), have demonstrated exceptional capabilities to adapt to new tasks using example prompts without model update. Transformer-based wireless receivers, where prompts consist of the pilot data in the form of transmitted and received signal pairs, have shown high detection accuracy when pilot data are abundant. However, pilot information is often costly and limited in practice. In this work, we propose the DEcision Feedback INcontExt Detection (DEFINED) solution as a new wireless receiver design, which bypasses channel estimation and directly performs symbol detection using the (sometimes extremely) limited pilot data. The key innovation in DEFINED is the proposed decision feedback mechanism in ICL, where we sequentially incorporate the detected symbols into the prompts as pseudo-labels to improve the detection for subsequent symbols. Furthermore, we proposed another detection method where we combine ICL with Semi-Supervised Learning (SSL) to extract information from both labeled and unlabeled data during inference, thus avoiding the errors propagated during the decision feedback process of the original DEFINED. Extensive experiments across a broad range of wireless communication settings demonstrate that a small Transformer trained with DEFINED or IC-SSL achieves significant performance improvements over conventional methods, in some cases only needing a single pilot pair to achieve similar performance of the latter with more than 4 pilot pairs.
• Abstract（参考訳）: In-context Learning (ICL) を通じて、事前訓練されたトランスフォーマーは、モデル更新なしでサンプルプロンプトを使用して新しいタスクに適応する異常な能力を示した。 送信信号対と受信信号対の形式でパイロットデータからなるトランスフォーマーベースの無線受信機は、パイロットデータが豊富な場合に高い検出精度を示す。 しかし、パイロット情報はしばしば費用がかかり、実際は制限される。 本研究では、チャネル推定をバイパスし、(時には極端に)限られたパイロットデータを用いたシンボル検出を直接行う新しい無線受信機設計として、DEFINED(Decision Feedback INcontExt Detection)ソリューションを提案する。 DEFINEDにおける重要な革新はICLにおける決定フィードバック機構であり、検出されたシンボルを擬似ラベルとして逐次インクルードして、その後のシンボルの検出を改善する。 さらに、ICLと半教師付き学習(SSL)を組み合わせることで、推論中にラベル付きデータとラベルなしデータの両方から情報を抽出し、元のDeFINEDの決定フィードバックプロセス中に発生するエラーを回避する方法も提案した。 DEFINEDやIC-SSLで訓練された小さなトランスフォーマーが従来の方法よりも大幅に性能を向上することを示した。

関連論文リスト

• PCA-Featured Transformer for Jamming Detection in 5G UAV Networks [0.5999777817331317]
  無人航空機(UAV)は、ネットワーク機能を損なう可能性のある攻撃を妨害することによる重大なセキュリティリスクに直面している。 従来の検出方法は、動作を動的に変更するAI駆動のジャミングに直面すると、しばしば不足する。 無線セキュリティ向上のための特徴表現を洗練するための新しいU字型トランスフォーマーアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-12-19T16:13:04Z)
• Residual Channel Boosts Contrastive Learning for Radio Frequency Fingerprint Identification [17.98760668117099]
  本稿では、RFFI(Radio Frequency Fingerprint Identification)のための残留チャネルに基づくデータ拡張戦略を提案する。 提案手法は,より少ないサンプルと少ない時間で,特徴抽出能力と一般化能力の両方を著しく向上させることを示す。
  論文  参考訳（メタデータ） (2024-12-12T02:48:20Z)
• Decision Feedback In-Context Symbol Detection over Block-Fading Channels [12.51769528923677]
  送信信号対と受信信号対の形式でパイロットデータからなるトランスフォーマーベースの無線受信機は、パイロットデータが豊富な場合に高い推定精度を示す。 本稿では、チャネル推定をバイパスし、限られたパイロットデータを用いたシンボル検出を直接行う新しい無線受信機設計として、DeFINEDソリューションを提案する。
  論文  参考訳（メタデータ） (2024-11-12T07:20:48Z)
• Disentangled Representation Learning for RF Fingerprint Extraction under Unknown Channel Statistics [77.13542705329328]
  本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。 提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。 実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-04T15:46:48Z)
• Integral Migrating Pre-trained Transformer Encoder-decoders for Visual Object Detection [78.2325219839805]
  imTEDは、数発のオブジェクト検出の最先端を最大7.6%改善する。 MS COCOデータセットの実験は、imTEDが一貫してそのデータセットを2.8%上回っていることを示している。
  論文  参考訳（メタデータ） (2022-05-19T15:11:20Z)
• 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)
• Towards Data-Efficient Detection Transformers [77.43470797296906]
  我々は、ほとんどの検出トランスフォーマーが、小さなデータセットで大きなパフォーマンス低下に悩まされていることを示す。 我々はデータ効率に影響を与える要因を、データ効率のRCNNから代表DETRへのステップバイステップ遷移によって実証的に分析する。 本稿では,よりリッチな監視とデータ効率向上を目的とした,シンプルながら効果的なラベル拡張手法を提案する。
  論文  参考訳（メタデータ） (2022-03-17T17:56:34Z)
• A Compressive Sensing Approach for Federated Learning over Massive MIMO Communication Systems [82.2513703281725]
  フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。 本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T05:56:27Z)
• 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。