論文の概要: Robust Channel Estimation for Optical Wireless Communications Using Neural Network
- arxiv url: http://arxiv.org/abs/2504.02134v1
- Date: Wed, 02 Apr 2025 21:16:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-04 12:53:18.869987
- Title: Robust Channel Estimation for Optical Wireless Communications Using Neural Network
- Title（参考訳）: ニューラルネットワークを用いた光無線通信におけるロバストチャネル推定
- Authors: Dianxin Luan, John Thompson,
- Abstract要約: 本稿では,周波数選択効果を低減するために,低複雑さなチャネル推定手法を提案する。
ニューラルネットワークは、環境に関する事前のチャネル情報なしで、一般的な光無線チャネルを推定することができる。
シミュレーションの結果,提案手法は正規化平均二乗誤差 (NMSE) とビット誤り率 (BER) を改良し,頑健化していることがわかった。
- 参考スコア（独自算出の注目度）: 0.44816207812864195
- License:
- Abstract: Optical Wireless Communication (OWC) has gained significant attention due to its high-speed data transmission and throughput. Optical wireless channels are often assumed to be flat, but we evaluate frequency selective channels to consider high data rate optical wireless or very dispersive environments. To address this for optical scenarios, this paper presents a robust channel estimation framework with low-complexity to mitigate frequency-selective effects, then to improve system reliability and performance. This channel estimation framework contains a neural network that can estimate general optical wireless channels without prior channel information about the environment. Based on this estimate and the corresponding delay spread, one of several candidate offline-trained neural networks will be activated to predict this channel. Simulation results demonstrate that the proposed method has improved and robust normalized mean square error (NMSE) and bit error rate (BER) performance compared to conventional estimation methods while maintaining computational efficiency. These findings highlight the potential of neural network solutions in enhancing the performance of OWC systems under indoor channel conditions.
- Abstract（参考訳）: 光無線通信(OWC)はその高速データ伝送とスループットのために注目されている。
光無線チャネルは、しばしば平面であると仮定されるが、高データレートの光無線や非常に分散した環境を考えるために周波数選択チャネルを評価する。
そこで本稿では,周波数選択効果を低減し,システムの信頼性と性能を向上させるために,低複雑さなチャネル推定フレームワークを提案する。
本発明のチャネル推定フレームワークは、環境に関する事前のチャネル情報なしで一般的な光無線チャネルを推定できるニューラルネットワークを含む。
この推定値とそれに対応する遅延拡散に基づいて、いくつかのオフライントレーニングニューラルネットワーク候補の1つを起動して、このチャネルを予測する。
シミュレーションの結果,提案手法は計算効率を保ちつつ,従来の推定手法と比較して,正規化平均二乗誤差 (NMSE) とビット誤り率 (BER) の性能を向上し,頑健に評価した。
これらの知見は,室内チャネル条件下でのOWCシステムの性能向上におけるニューラルネットワークソリューションの可能性を明らかにするものである。
関連論文リスト
- Communication-Efficient Federated Learning by Quantized Variance Reduction for Heterogeneous Wireless Edge Networks [55.467288506826755]
フェデレーテッド・ラーニング(FL)は、無線エッジネットワークにおけるローカル・プライバシ・アウェア・コラボレーティブ・モデルトレーニングの有効なソリューションとして認識されている。
既存の通信効率の高いFLアルゴリズムは、デバイス間の大きなばらつきを低減できない。
本稿では,高度分散還元方式に依存する新しい通信効率FLアルゴリズムであるFedQVRを提案する。
論文 参考訳（メタデータ） (2025-01-20T04:26:21Z) - A Universal Deep Neural Network for Signal Detection in Wireless Communication Systems [35.07773969966621]
無線通信におけるチャネル推定と信号検出のための有望なアプローチとして,Deep Learning (DL) が登場している。
無線チャネルの動的性質に対処するためには、新しい非老化データに基づいてDL手法を再訓練する必要がある。
本稿では,モデルを再学習することなく,様々な無線環境において高い検出性能を達成できる,新しいユニバーサルディープニューラルネットワーク(Uni-DNN)を提案する。
論文 参考訳（メタデータ） (2024-04-03T11:21:10Z) - 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) - An Efficient Machine Learning-based Channel Prediction Technique for
OFDM Sub-Bands [0.0]
我々はOFDMサブバンドにおけるチャネル予測のための効率的な機械学習(ML)に基づく手法を提案する。
提案手法の新規性は、選択的なフェーディングにおける将来のチャネル挙動を推定するために使用されるチャネルフェーディングサンプルのトレーニングにある。
論文 参考訳（メタデータ） (2023-05-31T09:41:27Z) - Deep Learning Based Channel Estimation in High Mobility Communications
Using Bi-RNN Networks [7.310043452300738]
本稿では,2重選択チャネルを正確に推定する最適化された双方向リカレントニューラルネットワーク (Bi-RNN) を用いたチャネル推定手法を提案する。
開発されたBi-GRU推定器は、最近提案されたCNNベースの推定器を、異なる移動シナリオで大幅に上回っている。
論文 参考訳（メタデータ） (2023-04-29T09:20:28Z) - Channel Estimation for Underwater Visible Light Communication: A Sparse
Learning Perspective [1.7830921962643287]
本稿では,スパース学習に基づく水中可視光チャネル推定(SL-UVCE)手法を提案する。
具体的には、近似メッセージパッシング(AMP)の古典的反復スパース回復アルゴリズムを模倣したディープアンフォールディングニューラルネットワークを用いる。
提案手法は,既存の非CS方式やCS方式と比較して,チャネル推定における精度の向上を示す。
論文 参考訳（メタデータ） (2023-03-13T16:22:16Z) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳（メタデータ） (2022-05-22T12:16:43Z) - Low Complexity Channel estimation with Neural Network Solutions [1.0499453838486013]
我々は、ダウンリンクシナリオでチャネル推定を実現するために、一般的な残差畳み込みニューラルネットワークをデプロイする。
チャネル推定における他のディープラーニング手法と比較して,平均二乗誤差計算の改善が示唆された。
論文 参考訳（メタデータ） (2022-01-24T19:55:10Z) - Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。
推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。
提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
論文 参考訳（メタデータ） (2021-07-27T06:57:56Z) - Power Control for a URLLC-enabled UAV system incorporated with DNN-Based
Channel Estimation [82.16169603954663]
この手紙は、ディープニューラルネットワーク(DNN)に基づくチャネル推定を組み込んだ超信頼性低遅延通信(URLLC)有効無人航空機(UAV)システムの電力制御に関するものである。
論文 参考訳（メタデータ） (2020-11-14T02:31:04Z) - Deep Denoising Neural Network Assisted Compressive Channel Estimation
for mmWave Intelligent Reflecting Surfaces [99.34306447202546]
本稿では,mmWave IRSシステムに対するディープデノイングニューラルネットワークを用いた圧縮チャネル推定法を提案する。
我々はまず、受信チェーンをほとんど使わず、アップリンクのユーザ-IRSチャネルを推定するハイブリッド・パッシブ/アクティブIRSアーキテクチャを導入する。
完全チャネル行列は、圧縮センシングに基づいて限られた測定値から再構成することができる。
論文 参考訳（メタデータ） (2020-06-03T12:18:57Z)
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。