論文の概要: Robust Blind Channel Estimation for Bursty Impulsive Noise with a Constrained EM Approach

• arxiv url: http://arxiv.org/abs/2504.03685v1
• Date: Sat, 22 Mar 2025 07:39:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-20 18:57:00.777588
• Title: Robust Blind Channel Estimation for Bursty Impulsive Noise with a Constrained EM Approach
• Title（参考訳）: 拘束型EM手法による難燃性騒音のロバストブラインドチャネル推定
• Authors: Chin-Hung Chen, Ivana Nikoloska, Wim van Houtum, Yan Wu, Boris Karanov, Alex Alvarado,
• Abstract要約: 電源装置によって発生するインパルスノイズ(IN)は、無線受信機の性能を著しく低下させる。 本稿では,バーストINの影響を考慮した予測最大化(EM)アルゴリズムに基づくブラインドチャネル推定手法について検討する。
• 参考スコア（独自算出の注目度）: 6.278835867567429
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Impulsive noise (IN) commonly generated by power devices can severely degrade the performance of high sensitivity wireless receivers. Accurate channel state information (CSI) knowledge is essential for designing optimal maximum a posteriori detectors. This paper examines blind channel estimation methods based on the expectation-maximization (EM) algorithm tailored for scenarios impacted by bursty IN, which can be described by the Markov-Middleton model. We propose a constrained EM algorithm that exploits the trellis structure of the IN model and the transmitted binary phase shift keying (BPSK) symbols. By enforcing shared variance among specific trellis states and symmetry in the transition matrix, the proposed constrained EM algorithm adapted for the bursty IN channel has an almost two times faster convergence rate and better estimation performance than the standard EM approach. We comprehensively evaluate the robustness of both standard and constrained EM estimators under different types of CSI uncertainties. The results indicate that the final estimations of both EM estimators are robust enough to mismatch Markov-Middleton model parameters. However, as the level of CSI uncertainty increases, the convergence rate decreases.
• Abstract（参考訳）: 電源装置によって一般的に発生するインパルスノイズ(IN)は、高感度無線受信機の性能を著しく低下させることができる。 正確なチャネル状態情報(CSI)の知識は、最適最大アプテリ検出器の設計に不可欠である。 本稿では,Markov-Middletonモデルで記述可能な,バースト性INのシナリオに適した予測最大化(EM)アルゴリズムに基づくブラインドチャネル推定手法について検討する。 本稿では,INモデルのトレリス構造とBPSKシンボルを用いた制約EMアルゴリズムを提案する。 遷移行列における特定のトレリス状態と対称性の共有分散を強制することにより、バーストINチャネルに適応した制約EMアルゴリズムは、標準EMアプローチの約2倍の収束率と推定性能を有する。 我々は、CSIの不確実性の種類によって、標準および制約されたEM推定器の頑健さを総合的に評価する。 その結果,両EM推定器の最終推定値がマルコフ・ミドルトンモデルパラメータのミスマッチに十分頑健であることが示唆された。 しかし、CSIの不確実性のレベルが増加するにつれて、収束率は低下する。

関連論文リスト

• Triply Laplacian Scale Mixture Modeling for Seismic Data Noise Suppression [51.87076090814921]
  ポーラシティに基づくテンソルリカバリ法は, 地震データノイズを抑制する大きな可能性を示している。 本研究では, 3次元ラプラシアンスケール混合(TLSM)による地震波の抑制手法を提案する。
  論文  参考訳（メタデータ） (2025-02-20T08:28:01Z)
• Bayesian Quantum Amplitude Estimation [49.1574468325115]
  本稿では,量子振幅推定のための雑音対応ベイズアルゴリズムであるBAEを紹介する。 我々は,BAEがハイゼンベルク限界推定を達成し,他の手法と比較した。
  論文  参考訳（メタデータ） (2024-12-05T18:09:41Z)
• Optimization of Iterative Blind Detection based on Expectation Maximization and Belief Propagation [29.114100423416204]
  ブロックフェーディング線形シンボルチャネルに対するブラインドシンボル検出法を提案する。 本研究では,研究予測アルゴリズムとユビキタスな信条伝搬アルゴリズムを組み合わせた共同チャネル推定・検出手法を設計する。 提案手法は,効率よく一般化したスケジュールを学習し,高信号対雑音シナリオにおけるコヒーレントBP検出よりも優れることを示す。
  論文  参考訳（メタデータ） (2024-08-05T08:45:50Z)
• 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)
• Optimal entanglement-assisted electromagnetic sensing and communication in the presence of noise [0.3749861135832072]
  本稿では,コヒーレント状態情報抽出器,プログラマブルモードセレクタ,コヒーレント状態情報抽出器から構成される新しいアーキテクチャである相関交換受信機を紹介する。
  論文  参考訳（メタデータ） (2023-09-22T05:41:06Z)
• Multi-kernel Correntropy-based Orientation Estimation of IMUs: Gradient Descent Methods [3.8286082196845466]
  コレントロピーに基づく降下勾配(CGD)とコレントロピーに基づく非結合配向推定(CDOE) 従来の方法は平均二乗誤差(MSE)基準に依存しており、外部加速度や磁気干渉に弱い。 新しいアルゴリズムは、カルマンフィルタベースのアプローチよりも計算の複雑さが著しく低いことを示している。
  論文  参考訳（メタデータ） (2023-04-13T13:57:33Z)
• Optimization of Annealed Importance Sampling Hyperparameters [77.34726150561087]
  Annealed Importance Smpling (AIS) は、深層生成モデルの難易度を推定するために使われる一般的なアルゴリズムである。 本稿では、フレキシブルな中間分布を持つパラメータAISプロセスを提案し、サンプリングに少ないステップを使用するようにブリッジング分布を最適化する。 我々は, 最適化AISの性能評価を行い, 深部生成モデルの限界推定を行い, 他の推定値と比較した。
  論文  参考訳（メタデータ） (2022-09-27T07:58:25Z)
• 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)
• Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
  大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。 一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。 本稿では2つの新しい推定法を提案する。
  論文  参考訳（メタデータ） (2021-09-06T13:42:32Z)
• Identification and Adaptation with Binary-Valued Observations under Non-Persistent Excitation Condition [1.6897716547971817]
  2値観測による回帰モデルのパラメータ推定のためのオンライン予測準ニュートン型アルゴリズムを提案する。 推定アルゴリズムの強い整合性を確立し,収束率を与える。 適応予測器の収束と適応制御への応用についても論じる。
  論文  参考訳（メタデータ） (2021-07-08T03:57:50Z)
• Amortized Conditional Normalized Maximum Likelihood: Reliable Out of Distribution Uncertainty Estimation [99.92568326314667]
  本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。 提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。 我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
  論文  参考訳（メタデータ） (2020-11-05T08:04:34Z)

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。