論文の概要: Residual Cross-Attention Transformer-Based Multi-User CSI Feedback with Deep Joint Source-Channel Coding

• arxiv url: http://arxiv.org/abs/2505.19465v1
• Date: Mon, 26 May 2025 03:38:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:43.141882
• Title: Residual Cross-Attention Transformer-Based Multi-User CSI Feedback with Deep Joint Source-Channel Coding
• Title（参考訳）: ディープジョイント・ソース・チャネル符号化を用いた残差クロスアテンション変換器を用いたマルチユーザCSIフィードバック
• Authors: Hengwei Zhang, Minghui Wu, Li Qiao, Ling Liu, Ziqi Han, Zhen Gao,
• Abstract要約: 本稿では,大規模マルチインプットマルチアウトプットシステムのための,ディープラーニング(DL)ベースのマルチユーザチャネル状態情報(CSI)フィードバックフレームワークを提案する。 マルチユーザ共同CSIフィードバックフレームワークを設計し、近隣ユーザのCSI相関を利用してフィードバックのオーバーヘッドを低減する。 実験により,ネットワークの複雑度が低く,スケーラビリティが向上したCSIフィードバック性能において,提案手法の優位性が示された。
• 参考スコア（独自算出の注目度）: 11.692049253618546
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This letter proposes a deep-learning (DL)-based multi-user channel state information (CSI) feedback framework for massive multiple-input multiple-output systems, where the deep joint source-channel coding (DJSCC) is utilized to improve the CSI reconstruction accuracy. Specifically, we design a multi-user joint CSI feedback framework, whereby the CSI correlation of nearby users is utilized to reduce the feedback overhead. Under the framework, we propose a new residual cross-attention transformer architecture, which is deployed at the base station to further improve the CSI feedback performance. Moreover, to tackle the "cliff-effect" of conventional bit-level CSI feedback approaches, we integrated DJSCC into the multi-user CSI feedback, together with utilizing a two-stage training scheme to adapt to varying uplink noise levels. Experimental results demonstrate the superiority of our methods in CSI feedback performance, with low network complexity and better scalability.
• Abstract（参考訳）: 本稿では,DJSCCを用いてCSI再構成精度を向上させるための多入力多出力システムのための,ディープラーニング(DL)ベースのマルチユーザチャネル状態情報(CSI)フィードバックフレームワークを提案する。 具体的には、マルチユーザ共同CSIフィードバックフレームワークを設計し、近隣ユーザのCSI相関を利用して、フィードバックのオーバーヘッドを低減する。 本フレームワークでは,CSIフィードバック性能を向上させるため,基地局に配置した残差クロスアテンショントランスアーキテクチャを提案する。 さらに、従来のビットレベルCSIフィードバックアプローチの「クリフ効果」に取り組むために、DJSCCをマルチユーザCSIフィードバックに統合し、異なるアップリンクノイズレベルに対応するための2段階のトレーニングスキームを利用する。 実験により,ネットワークの複雑度が低く,スケーラビリティが向上したCSIフィードバック性能において,提案手法の優位性が示された。

関連論文リスト

• Uplink Assisted Joint Channel Estimation and CSI Feedback: An Approach Based on Deep Joint Source-Channel Coding [20.422899602093786]
  ダウンリンクCSI獲得のための深層学習によるアップリンク支援共同CEとCSIフィードバックアプローチを提案する。 提案するネットワークは,従来の分離されたソースチャネル符号化において発生する崖効果を軽減するために,ディープジョイント・ソースチャネル符号化アーキテクチャを採用している。
  論文  参考訳（メタデータ） (2025-04-15T03:29:24Z)
• A Low-Overhead Incorporation-Extrapolation based Few-Shot CSI Feedback Framework for Massive MIMO Systems [45.22132581755417]
  周波数分割二重化(FDD)大規模マルチインプット多重出力(MIMO)システムにおけるダウンリンクプリコーディングには、正確なチャネル状態情報(CSI)が不可欠である。 しかし,アンテナやサブキャリアの規模が大きくなると,ユーザ機器(UE)からのフィードバックによるCSI取得が困難になる。 CSIを圧縮するために深層学習に基づく手法が登場したが、これらの方法はかなりの収集サンプルを必要とする。 既存のディープラーニング手法は、フル次元のCSIフィードバックに重点を置いているため、フィードバックオーバーヘッドが劇的に増加することにも悩まされる。 低オーバーヘッド抽出に基づくFew-Shot CSIを提案する。
  論文  参考訳（メタデータ） (2023-12-07T06:01:47Z)
• 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)
• Deep Learning-Based Rate-Splitting Multiple Access for Reconfigurable Intelligent Surface-Aided Tera-Hertz Massive MIMO [56.022764337221325]
  再構成可能なインテリジェントサーフェス(RIS)は,Tera-Hertz大規模マルチインプットマルチアウトプット(MIMO)通信システムのサービスカバレッジを大幅に向上させることができる。 しかし、パイロットとフィードバック信号のオーバーヘッドが限定された正確な高次元チャネル状態情報(CSI)を得ることは困難である。 本稿では、RIS支援Tera-Hertzマルチユーザアクセスシステムのための、ディープラーニング(DL)に基づくレート分割多重アクセス方式を提案する。
  論文  参考訳（メタデータ） (2022-09-18T03:07:37Z)
• Overview of Deep Learning-based CSI Feedback in Massive MIMO Systems [77.0986534024972]
  ディープラーニング(DL)ベースのCSIフィードバックは、DLベースのオートエンコーダによるCSI圧縮と再構築を指し、フィードバックオーバーヘッドを大幅に削減することができる。 その焦点は、CSIフィードバックの正確性を改善するために、新しいニューラルネットワークアーキテクチャとコミュニケーション専門家の知識の利用である。
  論文  参考訳（メタデータ） (2022-06-29T03:28:57Z)
• Deep Learning for 1-Bit Compressed Sensing-based Superimposed CSI Feedback [2.6831842796906393]
  本稿では,1ビット圧縮されたセンサによる重畳されたCSIフィードバックを改善するためのディープラーニング方式を提案する。 提案方式は,UL-USとダウンリンクCSIの回復精度を低処理遅延で向上する。
  論文  参考訳（メタデータ） (2022-03-13T09:33:53Z)
• Deep Learning-based Implicit CSI Feedback in Massive MIMO [68.81204537021821]
  ニューラルネットワーク(NN)を用いて,プリコーディング行列インジケータ(PMI)符号化とデコードモジュールを置き換える,低オーバヘッド特性を継承するDLベースの暗黙的フィードバックアーキテクチャを提案する。 1つのリソースブロック(RB)では、2つのアンテナ構成下のタイプIコードブックと比較して25.0%と40.0%のオーバーヘッドを節約できる。
  論文  参考訳（メタデータ） (2021-05-21T02:43:02Z)
• Aggregated Network for Massive MIMO CSI Feedback [18.04633171156304]
  ACRNetは、ネットワークアグリゲーションとパラメトリックなRuLUアクティベーションによってフィードバック性能を向上させるように設計されている。 実験では、ACRNetは追加情報なしで、以前の最先端のフィードバックネットワークの負荷を上回ります。
  論文  参考訳（メタデータ） (2021-01-17T08:19:40Z)

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。