論文の概要: Learning Beamforming Codebooks for Active Sensing with Reconfigurable Intelligent Surface
- arxiv url: http://arxiv.org/abs/2503.19046v1
- Date: Mon, 24 Mar 2025 18:15:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-26 16:53:28.460411
- Title: Learning Beamforming Codebooks for Active Sensing with Reconfigurable Intelligent Surface
- Title(参考訳): 再構成可能なインテリジェントサーフェスによるアクティブセンシングのためのビームフォーミングコードブックの学習
- Authors: Zhongze Zhang, Wei Yu,
- Abstract要約: 本稿では,ベースステーション (BS) と再構成可能な知的表面 (RIS) のためのビームフォーミングコードブックの設計を,アップリンクローカライゼーションのためのアクティブセンシング方式で検討する。
BSとRISは、それぞれのコードブックからBSビームフォーミングコードワードとRISコードワードを慎重に選択して適応的に構成される。
本稿では,コードブック構築のための学習的アプローチと,アクティブセンシングのためのコードワード選択を提案する。
- 参考スコア(独自算出の注目度): 8.279481050863806
- License:
- Abstract: This paper explores the design of beamforming codebooks for the base station (BS) and for the reconfigurable intelligent surfaces (RISs) in an active sensing scheme for uplink localization, in which the mobile user transmits a sequence of pilots to the BS through reflection at the RISs, and the BS and the RISs are adaptively configured by carefully choosing BS beamforming codeword and RIS codewords from their respective codebooks in a sequential manner to progressively focus onto the user. Most existing codebook designs for RIS are not tailored for active sensing, by which we mean the choice of the next codeword should depend on the measurements made so far, and the sequence of codewords should dynamically focus reflection toward the user. Moreover, most existing codeword selection methods rely on exhaustive search in beam training to identify the codeword with the highest signal-to-noise ratio (SNR), thus incurring substantial pilot overhead as the size of the codebook scales. This paper proposes learning-based approaches for codebook construction and for codeword selection for active sensing. The proposed learning approach aims to locate a target in the service area by recursively selecting a sequence of BS beamforming codewords and RIS codewords from the respective codebooks as more measurements become available without exhaustive beam training. The codebook design and the codeword selection fuse key ideas from the vector quantized-variational autoencoder (VQ-VAE) and the long short-term memory (LSTM) network to learn respectively the discrete function space of the codebook and the temporal dependencies between measurements.
- Abstract(参考訳): 本稿では,基地局 (BS) のビームフォーミング・コードブックの設計について検討し, アクティブなアプリンク・ローカライゼーション方式を用いて, 移動者がRISの反射によりBSにパイロットのシーケンスを送信し, RISとBSは, それぞれのコードブックからBSビームフォーミング・コードワードとRISコードワードを逐次選択して順応的に適応的に構成し, ユーザを段階的にフォーカスする。
RISの既存のコードブック設計は、アクティブなセンシングには適していないため、次のコードワードの選択は、これまでの測定値に依存するべきであり、コードワードのシーケンスは、ユーザに対して動的にリフレクションを集中すべきである。
さらに、既存のコードワード選択法の多くは、ビームトレーニングにおいて、最も高い信号対雑音比(SNR)でコードワードを識別するために、徹底的な検索に依存しているため、コードブックの規模が大きくなるにつれて、かなりのパイロットオーバヘッドが発生する。
本稿では,コードブック構築のための学習的アプローチと,アクティブセンシングのためのコードワード選択を提案する。
提案手法は,各コードブックからBSビームフォーミングコードワードとRISコードワードのシーケンスを再帰的に選択し,ビームトレーニングを伴わずにより多くの測定値が利用できるようにすることで,サービス領域のターゲットを見つけることを目的としている。
コードブック設計とコードワード選択は、ベクトル量子化可変オートエンコーダ(VQ-VAE)と長短期メモリ(LSTM)ネットワークからキーアイデアを融合させ、コードブックの離散関数空間と測定間の時間的依存関係をそれぞれ学習する。
関連論文リスト
- Threshold Selection for Iterative Decoding of $(v,w)$-regular Binary Codes [84.0257274213152]
繰り返しビットフリップデコーダは、sparse $(v,w)$-regular符号の効率的な選択である。
閉形式モデルに基づくしきい値決定のための具体的な基準を提案する。
論文 参考訳(メタデータ) (2025-01-23T17:38:22Z) - GLARE: Low Light Image Enhancement via Generative Latent Feature based Codebook Retrieval [80.96706764868898]
我々は、GLARE(Generative LAtent Feature based codebook Retrieval)を介して、新しい低照度画像強調(LLIE)ネットワークを提案する。
Invertible Latent Normalizing Flow (I-LNF) モジュールを開発し、LL特徴分布をNL潜在表現に整合させ、コードブック内の正しいコード検索を保証する。
さまざまなベンチマークデータセットと実世界のデータに対するGLAREの優れたパフォーマンスを確認する実験。
論文 参考訳(メタデータ) (2024-07-17T09:40:15Z) - CodeIP: A Grammar-Guided Multi-Bit Watermark for Large Language Models of Code [56.019447113206006]
大規模言語モデル(LLM)はコード生成において顕著な進歩を遂げた。
CodeIPは、新しいマルチビット透かし技術で、出所の詳細を保持するために追加情報を挿入する。
5つのプログラミング言語にまたがる実世界のデータセットで実施された実験は、CodeIPの有効性を実証している。
論文 参考訳(メタデータ) (2024-04-24T04:25:04Z) - Projective Systematic Authentication via Reed-Muller Codes [20.802423208503082]
本稿では,2進線形符号に基づく計画的体系的認証方式を構築することの問題点について検討する。
本稿では,与えられたコード中の高次元のコードワードにマッピングされたソースを,まず低次元ベクトルに投影する一般的な投影法を提案する。
本稿では,認証システムの性能を評価するための主要な指標として広く考えられている,偽造の確率に関する分析結果を提供する。
論文 参考訳(メタデータ) (2024-04-13T21:58:02Z) - Neural Codebook Design for Network Beam Management [37.51593770637367]
5Gのようなモバイルシステムは、ビーム管理フレームワークを使用して、最初の取得、アクセス、CSINB、ビームフォーミング、データ転送を結合する。
本稿では、干渉を軽減するためにコードブックをキャプチャし、最適化する、ハイブリッド・ツー・エンドの学習用コードブック設計アルゴリズムを提案する。
提案アルゴリズムは共有情報に制限を課すが、従来のコードブックよりも10dB以上のアライメントを実現し、ネットワークスペクトル効率を25%以上改善するコードブックを設計する。
論文 参考訳(メタデータ) (2024-03-05T15:37:06Z) - StepCoder: Improve Code Generation with Reinforcement Learning from
Compiler Feedback [58.20547418182074]
2つの主要コンポーネントからなるコード生成の新しいフレームワークであるStepCoderを紹介します。
CCCSは、長いシーケンスのコード生成タスクをCurriculum of Code Completion Subtaskに分割することで、探索課題に対処する。
FGOは、未実行のコードセグメントをマスクすることでのみモデルを最適化し、Fine-Grained Optimizationを提供する。
提案手法は,出力空間を探索し,対応するベンチマークにおいて最先端の手法より優れた性能を発揮する。
論文 参考訳(メタデータ) (2024-02-02T13:14:31Z) - Hierarchical ML Codebook Design for Extreme MIMO Beam Management [37.51593770637367]
ビーム管理は、ビームフォーミングとチャネル状態情報(CSI)を5Gで大きなアンテナアレイで取得する戦略である。
コードブックは、ビームフォーミング参照信号、CSIレポート、アナログビームトレーニングなど、ビーム管理に多用されている。
本稿では,超大規模マルチインプットマルチアウトプット(X-MIMO)システムを対象とした,機械学習によるコードブック設計プロセスの提案と評価を行う。
論文 参考訳(メタデータ) (2023-11-24T17:14:11Z) - Massive MIMO Beam Management in Sub-6 GHz 5G NR [46.71738320970658]
ビームコードブックは5G新無線(NR)におけるM-MIMO(Multiple-Input multiple-output)の新機能である
機械学習は、初期アクセスのためのサイト固有のコードブックのトレーニングに使用できることを示す。
論文 参考訳(メタデータ) (2022-04-12T19:51:43Z) - COSEA: Convolutional Code Search with Layer-wise Attention [90.35777733464354]
我々は、畳み込みニューラルネットワークを階層的注意で活用し、コード固有の構造論理をキャプチャする新しいディープラーニングアーキテクチャ、COSEAを提案する。
COSEAは、コード検索タスクの最先端メソッドよりも大幅に改善できる。
論文 参考訳(メタデータ) (2020-10-19T13:53:38Z)
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。