論文の概要: Multi-Branch DNN and CRLB-Ratio-Weight Fusion for Enhanced DOA Sensing via a Massive H$^2$AD MIMO Receiver

• arxiv url: http://arxiv.org/abs/2506.23203v1
• Date: Sun, 29 Jun 2025 12:14:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:53.771888
• Title: Multi-Branch DNN and CRLB-Ratio-Weight Fusion for Enhanced DOA Sensing via a Massive H$^2$AD MIMO Receiver
• Title（参考訳）: 大規模H$^2$ADMIMO受信機によるDOAセンシングのためのマルチブランチDNNとCRLB比重核融合
• Authors: Feng Shu, Jiatong Bai, Di Wu, Wei Zhu, Bin Deng, Fuhui Zhou, Jiangzhou Wang,
• Abstract要約: H$2$ADは将来の6G無線ネットワークの潜在的な技術と見なされている。 軽量クレーマー・ラオ下界(CRLB)-マグニチュード・ウェイト・フュージョン(WF)法を提案する。 マルチブランチディープニューラルネットワーク(MBDNN)が構築され、位置検出の方向をさらに強化する。
• 参考スコア（独自算出の注目度）: 37.9135579979676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As a green MIMO structure, massive H$^2$AD is viewed as a potential technology for the future 6G wireless network. For such a structure, it is a challenging task to design a low-complexity and high-performance fusion of target direction values sensed by different sub-array groups with fewer use of prior knowledge. To address this issue, a lightweight Cramer-Rao lower bound (CRLB)-ratio-weight fusion (WF) method is proposed, which approximates inverse CRLB of each subarray using antenna number reciprocals to eliminate real-time CRLB computation. This reduces complexity and prior knowledge dependence while preserving fusion performance. Moreover, a multi-branch deep neural network (MBDNN) is constructed to further enhance direction-of-arrival (DOA) sensing by leveraging candidate angles from multiple subarrays. The subarray-specific branch networks are integrated with a shared regression module to effectively eliminate pseudo-solutions and fuse true angles. Simulation results show that the proposed CRLB-ratio-WF method achieves DOA sensing performance comparable to CRLB-based methods, while significantly reducing the reliance on prior knowledge. More notably, the proposed MBDNN has superior performance in low-SNR ranges. At SNR $= -15$ dB, it achieves an order-of-magnitude improvement in estimation accuracy compared to CRLB-ratio-WF method.
• Abstract（参考訳）: 緑色のMIMO構造として、H$^2$ADは将来の6G無線ネットワークの潜在的な技術と見なされている。 このような構造のために、事前知識の少ない異なる異なるサブアレイ群によって知覚される目標方向値の低複雑さかつ高性能な融合を設計することは難しい課題である。 この問題を解決するために,アンテナ数逆数を用いて各サブアレイの逆CRLBを近似し,リアルタイムCRLB計算を不要とする軽量CRLB(CRLB)-ratio-weight fusion)法を提案する。 これにより、融合性能を維持しながら複雑さと事前の知識依存を減らすことができる。 さらに、複数のサブアレイからの候補角を活用することにより、方向方向検出(DOA)をさらに強化するために、マルチブランチディープニューラルネットワーク(MBDNN)を構築する。 サブアレイ固有の分岐ネットワークは共有回帰モジュールと統合され、擬似解法を効果的に排除し、真の角度を融合する。 シミュレーションの結果,CRLB-ratio-WF法はCRLB法に匹敵するDOAセンシング性能を実現し,事前知識への依存度を著しく低減した。 さらに、提案するMBDNNは低SNR域において優れた性能を有する。 SNR $= -15$ dB では、CRLB-ratio-WF法と比較して、推定精度のオーダー・オブ・マグニチュードの改善が達成される。

関連論文リスト

• A Lightweight RL-Driven Deep Unfolding Network for Robust WMMSE Precoding in Massive MU-MIMO-OFDM Systems [8.526578240549794]
  本稿では,各SWMMSEイテレーションをネットワーク層にマッピングする,軽量強化学習(RL)駆動の深層展開(RLDDU-Net)ネットワークを提案する。 具体的には、そのDUモジュールは、ビーム領域の間隔と周波数領域のサブキャリア相関を統合し、収束を著しく加速し、計算オーバーヘッドを低減する。 不完全なCSI下でのシミュレーションの結果、RLDDU-Netは計算効率と収束効率を向上しつつ、既存のEWSR性能のベースラインを上回っていることが示された。
  論文  参考訳（メタデータ） (2025-06-19T06:54:42Z)
• 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)
• Multi-modal Iterative and Deep Fusion Frameworks for Enhanced Passive DOA Sensing via a Green Massive H2AD MIMO Receiver [28.483741082998446]
  グリーンマルチモーダル(MM)融合DOAフレームワークは,より実用的で低コストで高時間効率なDOA推定を実現するために提案されている。 より効率的なクラスタリング手法として, GMaxCS(Global maximum cos_similarity clustering)とGMinD(Global minimum distance clustering)がある。
  論文  参考訳（メタデータ） (2024-11-11T12:32:18Z)
• Co-learning-aided Multi-modal-deep-learning Framework of Passive DOA Estimators for a Heterogeneous Hybrid Massive MIMO Receiver [16.847344273958292]
  完全デジタル(FD) 大規模なマルチインプット多重出力(MIMO)アンテナアレイは、データ伝送と到着方向(DOA)測定に広く応用されている。 計算複雑性と回路コストの2つの大きな課題に直面している。 この2つの問題は、ハイブリッドアナログデジタル構造(HAD)によってうまく対処できる。 しかし、HADの位相曖昧性の問題があるため、その低効率性や高レイテンシにつながる。
  論文  参考訳（メタデータ） (2024-04-27T07:34:36Z)
• High Efficiency Inference Accelerating Algorithm for NOMA-based Mobile Edge Computing [23.88527790721402]
  デバイス、エッジサーバ、クラウド間の推論モデルを分割することで、EIの性能を大幅に向上させることができる。 B5G/6Gのキーとなる技術であるNOMAは、膨大な接続と高スペクトル効率を実現することができる。 本稿では,エッジでのモデル推論を高速化する効果的な通信資源割当アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-12-26T02:05:52Z)
• Optimization Guarantees of Unfolded ISTA and ADMM Networks With Smooth Soft-Thresholding [57.71603937699949]
  我々は,学習エポックの数の増加とともに,ほぼゼロに近いトレーニング損失を達成するための最適化保証について検討した。 トレーニングサンプル数に対する閾値は,ネットワーク幅の増加とともに増加することを示す。
  論文  参考訳（メタデータ） (2023-09-12T13:03:47Z)
• Adaptive Stochastic ADMM for Decentralized Reinforcement Learning in Edge Industrial IoT [106.83952081124195]
  強化学習 (Reinforcement Learning, RL) は, 意思決定および最適制御プロセスのための有望な解法として広く研究されている。 本稿では,Adaptive ADMM (asI-ADMM)アルゴリズムを提案する。 実験の結果,提案アルゴリズムは通信コストやスケーラビリティの観点から技術状況よりも優れており,複雑なIoT環境に適応できることがわかった。
  論文  参考訳（メタデータ） (2021-06-30T16:49:07Z)
• Joint Deep Reinforcement Learning and Unfolding: Beam Selection and Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
  離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。 本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
  論文  参考訳（メタデータ） (2021-01-05T03:55:04Z)

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。