論文の概要: Sparse Phased Array Optimization Using Deep Learning

• arxiv url: http://arxiv.org/abs/2504.17073v1
• Date: Wed, 23 Apr 2025 19:46:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:53.160977
• Title: Sparse Phased Array Optimization Using Deep Learning
• Title（参考訳）: 深層学習を用いたスパース位相アレー最適化
• Authors: David Lu, Lior Maman, Jackson Earls, Amir Boag, Pierre Baldi,
• Abstract要約: 我々は,超精密レーダアレイの明瞭度を高めるためのディープラーニングに基づくアプローチを提案する。 ニューラルネットワークを用いて、主ローブと側ローブのエネルギー比を推定する非近似関数を近似する。
• 参考スコア（独自算出の注目度）: 4.986258047791685
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Antenna arrays are widely used in wireless communication, radar systems, radio astronomy, and military defense to enhance signal strength, directivity, and interference suppression. We introduce a deep learning-based optimization approach that enhances the design of sparse phased arrays by reducing grating lobes. This approach begins by generating sparse array configurations to address the non-convex challenges and extensive degrees of freedom inherent in array design. We use neural networks to approximate the non-convex cost function that estimates the energy ratio between the main and side lobes. This differentiable approximation facilitates cost function minimization through gradient descent, optimizing the antenna elements' coordinates and leading to an improved layout. Additionally, we incorporate a tailored penalty mechanism that includes various physical and design constraints into the optimization process, enhancing its robustness and practical applicability. We demonstrate the effectiveness of our method by applying it to the ten array configurations with the lowest initial costs, achieving further cost reductions ranging from 411% to 643%, with an impressive average improvement of 552%. By significantly reducing side lobe levels in antenna arrays, this breakthrough paves the way for ultra-precise beamforming, enhanced interference mitigation, and next-generation wireless and radar systems with unprecedented efficiency and clarity.
• Abstract（参考訳）: アンテナアレイは、無線通信、レーダーシステム、電波天文学、軍事防衛において、信号強度、指向性、干渉抑制を強化するために広く使われている。 グラティングローブの低減により、スパース位相配列の設計を向上させる深層学習に基づく最適化手法を提案する。 このアプローチは、非凸問題と配列設計に固有の広範な自由度に対応するためにスパース配列構成を生成することから始まる。 ニューラルネットワークを用いて、主ローブと側ローブのエネルギー比を推定する非凸コスト関数を近似する。 この微分可能近似は、勾配降下によるコスト関数の最小化を促進し、アンテナ要素の座標を最適化し、レイアウトを改善する。 さらに、最適化プロセスに様々な物理的および設計上の制約を含む調整されたペナルティ機構を導入し、その堅牢性と実用性を高める。 提案手法の有効性を,最低初期コストで10配列構成に適用し,411%から643%のコスト削減を実現し,552%の大幅な平均改善を実現した。 アンテナアレイのサイドローブレベルを著しく下げることにより、超精密ビームフォーミング、干渉緩和の強化、および前例のない効率と明確さを持つ次世代無線およびレーダーシステムへの道を開いた。

関連論文リスト

• Aerial Secure Collaborative Communications under Eavesdropper Collusion in Low-altitude Economy: A Generative Swarm Intelligent Approach [84.20358039333756]
  本研究では,AAV群に分散コラボレーティブビームフォーミング(DCB)を導入し,対応する信号分布を制御して盗聴者の共謀を処理した。 両方向の秘密保持能力と最大サイドローブレベルを最小化して、未知の盗聴者からの情報漏洩を回避する。 本稿では,より少ないオーバーヘッドで問題を解決するために,新しいジェネレーティブ・スウォーム・インテリジェンス(GenSI)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-02T04:02:58Z)
• Teleportation With Null Space Gradient Projection for Optimization Acceleration [31.641252776379957]
  本稿では,テレポーテーション対象関数の勾配を入力ヌル空間に投影するアルゴリズムを提案する。 我々のアプローチは、容易にCNNからトランスフォーマー、そして潜在的に他の高度なアーキテクチャへ一般化できる。
  論文  参考訳（メタデータ） (2025-02-17T02:27:16Z)
• Joint Transmit and Pinching Beamforming for Pinching Antenna Systems (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)
• Meta-Learning Based Optimization for Large Scale Wireless Systems [45.025621137165025]
  文献における従来の最適化アルゴリズムの限界は、無線システムにおける送信アンテナ数や通信ユーザ数によって増大することが知られている。 本稿では,教師なしメタラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-07-01T21:45:27Z)
• Fairness-Driven Optimization of RIS-Augmented 5G Networks for Seamless 3D UAV Connectivity Using DRL Algorithms [8.296140341710462]
  我々は、再構成可能なインテリジェントサーフェス(RIS)を用いた大規模マルチインプットマルチアウトプットシステムにおけるジョイントアクティブビームフォーミングとパッシブビームフォーミングの問題点について検討する。 この問題に対処する2つの新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-11-14T06:43:36Z)
• Conditional Denoising Diffusion for Sequential Recommendation [62.127862728308045]
  GAN(Generative Adversarial Networks)とVAE(VAE)の2つの顕著な生成モデル GANは不安定な最適化に苦しむ一方、VAEは後続の崩壊と過度に平らな世代である。 本稿では,シーケンスエンコーダ,クロスアテンティブデノナイジングデコーダ,ステップワイズディフューザを含む条件付きデノナイジング拡散モデルを提案する。
  論文  参考訳（メタデータ） (2023-04-22T15:32:59Z)
• Gradient Sparsification for Efficient Wireless Federated Learning with Differential Privacy [25.763777765222358]
  フェデレートラーニング(FL)により、分散クライアントは、生データを互いに共有することなく、機械学習モデルを協調的にトレーニングできる。 モデルのサイズが大きくなるにつれて、送信帯域の制限によるトレーニングのレイテンシが低下し、個人情報が劣化すると同時に、差分プライバシ(DP)保護を使用する。 我々は、収束性能を犠牲にすることなく、トレーニング効率を向上させるために、FLフレームワーク無線チャネルのスペース化を提案する。
  論文  参考訳（メタデータ） (2023-04-09T05:21:15Z)
• Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna Tuning [60.94661435297309]
  モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。 本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。 シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
  論文  参考訳（メタデータ） (2023-01-20T17:06:34Z)
• Deep Learning for DOA Estimation in MIMO Radar Systems via Emulation of Large Antenna Arrays [15.180687831560174]
  我々は,小型アンテナアレイを用いたMUSICに基づくアリーバル推定手法を提案する。 我々は,仮想大アンテナアレイの信号再構成にディープラーニングを用いる。
  論文  参考訳（メタデータ） (2020-07-27T19:33:57Z)
• Optimization-driven Deep Reinforcement Learning for Robust Beamforming in IRS-assisted Wireless Communications [54.610318402371185]
  Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。 我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。 過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
  論文  参考訳（メタデータ） (2020-05-25T01:42:55Z)
• Wireless Power Control via Counterfactual Optimization of Graph Neural Networks [124.89036526192268]
  本稿では,無線ネットワークにおけるダウンリンク電力制御の問題点について考察する。 コンカレントトランスミッション間の干渉を軽減するために,ネットワークトポロジを活用してグラフニューラルネットワークアーキテクチャを構築する。 次に、教師なし原始対実対実最適化手法を用いて最適電力配分決定を学習する。
  論文  参考訳（メタデータ） (2020-02-17T07:54:39Z)

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。