論文の概要: Non-Identical Diffusion Models in MIMO-OFDM Channel Generation

• arxiv url: http://arxiv.org/abs/2509.01641v1
• Date: Mon, 01 Sep 2025 17:33:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.801184
• Title: Non-Identical Diffusion Models in MIMO-OFDM Channel Generation
• Title（参考訳）: MIMO-OFDMチャネル生成における非直接拡散モデル
• Authors: Yuzhi Yang, Omar Alhussein, Mérouane Debbah,
• Abstract要約: 非同一拡散モデルと呼ばれる新しい拡散モデルを提案し,その無線OFDMチャネル生成への応用について検討する。 非識別拡散により、ノイズ入力内の各要素の信頼性を特徴付けることができる。 提案手法の有効性と妥当性を理論的にも数値的にも示す。
• 参考スコア（独自算出の注目度）: 33.33163164222617
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We propose a novel diffusion model, termed the non-identical diffusion model, and investigate its application to wireless orthogonal frequency division multiplexing (OFDM) channel generation. Unlike the standard diffusion model that uses a scalar-valued time index to represent the global noise level, we extend this notion to an element-wise time indicator to capture local error variations more accurately. Non-identical diffusion enables us to characterize the reliability of each element (e.g., subcarriers in OFDM) within the noisy input, leading to improved generation results when the initialization is biased. Specifically, we focus on the recovery of wireless multi-input multi-output (MIMO) OFDM channel matrices, where the initial channel estimates exhibit highly uneven reliability across elements due to the pilot scheme. Conventional time embeddings, which assume uniform noise progression, fail to capture such variability across pilot schemes and noise levels. We introduce a matrix that matches the input size to control element-wise noise progression. Following a similar diffusion procedure to existing methods, we show the correctness and effectiveness of the proposed non-identical diffusion scheme both theoretically and numerically. For MIMO-OFDM channel generation, we propose a dimension-wise time embedding strategy. We also develop and evaluate multiple training and generation methods and compare them through numerical experiments.
• Abstract（参考訳）: 非同一拡散モデルと呼ばれる新しい拡散モデルを提案し、その無線直交周波数分割多重化(OFDM)チャネル生成への応用について検討する。 大域的なノイズレベルを表すためにスカラー値の時間指数を使用する標準拡散モデルとは異なり、我々はこの概念を要素単位の時間指標に拡張し、局所的な誤差の変動をより正確に捉える。 非識別拡散により、ノイズ入力内の各要素(例えばOFDMのサブキャリア)の信頼性を特徴付けることができ、初期化がバイアスされた場合に生成結果が改善される。 具体的には,無線マルチインプット・マルチアウトプット(MIMO)OFDMチャネル行列の回復に焦点をあてる。 従来の時間埋め込みは、一様ノイズの進行を前提としており、パイロット計画や騒音レベルの変動を捉えていない。 本稿では,入力サイズにマッチする行列を導入し,要素ワイドノイズの進行を制御する。 既存の手法に類似した拡散手順を踏襲して,提案手法が理論的にも数値的にも有効であることを示す。 MIMO-OFDMチャネル生成のために、次元ワイドな時間埋め込み戦略を提案する。 また,複数の学習法と生成法を開発し,数値実験により比較する。

関連論文リスト

• Channel Estimation for RIS-Assisted mmWave Systems via Diffusion Models [32.962034180176865]
  再構成可能なインテリジェントサーフェス(RIS)は次世代無線通信の有望な技術として認識されている。 RIS支援システムの性能は正確なチャネル状態情報(CSI)に依存している 拡散モデル(DM)に基づくRIS支援ミリ波(mmWave)システムのための新しいチャネル推定法を提案する。
  論文  参考訳（メタデータ） (2025-06-09T13:46:44Z)
• Shaping Inductive Bias in Diffusion Models through Frequency-Based Noise Control [43.87692887705523]
  我々は拡散確率モデル(DPM)のトレーニングとサンプリングに誘導バイアスを組み込む。 本研究は,各データセットが異なる誘導バイアスを必要とすること,および適切な周波数ベースノイズ制御により,標準拡散よりも生成性能が向上することを示す。
  論文  参考訳（メタデータ） (2025-02-14T15:46:37Z)
• Diffusion Models for Accurate Channel Distribution Generation [19.80498913496519]
  強力な生成モデルはチャネル分布を正確に学習することができる。 これにより、チャネルの物理的測定の繰り返しコストを削減できる。 結果として得られる差別化チャネルモデルは、勾配ベースの最適化を可能にすることにより、ニューラルエンコーダのトレーニングをサポートする。
  論文  参考訳（メタデータ） (2023-09-19T10:35:54Z)
• Simultaneous Image-to-Zero and Zero-to-Noise: Diffusion Models with Analytical Image Attenuation [53.04220377034574]
  高品質(未条件)な画像生成のための前方拡散プロセスに解析的画像減衰プロセスを導入することを提案する。 本手法は,フォワード画像からノイズへのマッピングを,テクスチメジからゼロへのマッピングとテクスティケロ・ツー・ノイズマッピングの同時マッピングとして表現する。 我々は,CIFAR-10やCelebA-HQ-256などの無条件画像生成や,超解像,サリエンシ検出,エッジ検出,画像インペインティングなどの画像条件下での下流処理について実験を行った。
  論文  参考訳（メタデータ） (2023-06-23T18:08:00Z)
• Semi-Implicit Denoising Diffusion Models (SIDDMs) [50.30163684539586]
  Denoising Diffusion Probabilistic Models (DDPM)のような既存のモデルは、高品質で多様なサンプルを提供するが、本質的に多くの反復的なステップによって遅くなる。 暗黙的要因と明示的要因を一致させることにより、この問題に対処する新しいアプローチを導入する。 提案手法は拡散モデルに匹敵する生成性能と,少数のサンプリングステップを持つモデルに比較して非常に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2023-06-21T18:49:22Z)
• 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)

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。