論文の概要: Cross-field SNR Analysis and Tensor Channel Estimation for Multi-UAV Near-field Communications
- arxiv url: http://arxiv.org/abs/2509.06967v1
- Date: Sat, 23 Aug 2025 14:50:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-14 20:41:04.922041
- Title: Cross-field SNR Analysis and Tensor Channel Estimation for Multi-UAV Near-field Communications
- Title（参考訳）: マルチUAVニアフィールド通信におけるクロスフィールドSNR解析とテンソルチャネル推定
- Authors: Tianyu Huo, Jian Xiong, Yiyan Wu, Songjie Yang, Bo Liu, Wenjun Zhang,
- Abstract要約: 本稿では,分散近接場マルチUAV通信システムにおけるチャネル推定について検討する。
球面領域マッチング探索(SD-OMP)とテンソル-OMPの2つのチャネル推定アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 12.979004533235845
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Extremely large antenna array (ELAA) is key to enhancing spectral efficiency in 6G networks. Leveraging the distributed nature of multi-unmanned aerial vehicle (UAV) systems enables the formation of distributed ELAA, which often operate in the near-field region with spatial sparsity, rendering the conventional far-field plane wave assumption invalid. This paper investigates channel estimation for distributed near-field multi-UAV communication systems. We first derive closed-form signal-to-noise ratio (SNR) expressions under the plane wave model (PWM), spherical wave model (SWM), and a hybrid spherical-plane wave model (HSPWM), also referred to as the cross-field model, within a distributed uniform planar array (UPA) scenario. The analysis shows that HSPWM achieves a good balance between modeling accuracy and analytical tractability. Based on this, we propose two channel estimation algorithms: the spherical-domain orthogonal matching pursuit (SD-OMP) and the tensor-OMP. The SD-OMP generalizes the polar domain to jointly consider elevation, azimuth, and range. Under the HSPWM, the channel is naturally formulated as a tensor, enabling the use of tensor-OMP. Simulation results demonstrate that tensor-OMP achieves normalized mean square error (NMSE) performance comparable to SD-OMP, while offering reduced computational complexity and improved scalability.
- Abstract（参考訳）: 極大アンテナアレイ(ELAA)は6Gネットワークにおけるスペクトル効率を高める鍵となる。
マルチ無人航空機(UAV)システムの分散特性を活用することで、分散ELAAの形成が可能になる。
本稿では,分散近接場マルチUAV通信システムにおけるチャネル推定について検討する。
まず、平面波モデル(PWM)、球面波モデル(SWM)、ハイブリッド球面波モデル(HSPWM)の下で、分散均一平面アレイ(UPA)シナリオにおいて、閉形式信号-雑音比(SNR)式を導出する。
解析の結果,HSPWMはモデリング精度と解析的トラクタビリティのバランスが良好であることがわかった。
これに基づいて,球面領域直交整合探索(SD-OMP)とテンソル-OMPの2つのチャネル推定アルゴリズムを提案する。
SD-OMPは極域を一般化し、高度、方位、範囲を共同で考慮する。
HSPWMでは、チャネルはテンソルとして自然に定式化され、テンソル-OMPを使用することができる。
シミュレーションの結果,テンソルOMPはSD-OMPに匹敵する正規化平均二乗誤差(NMSE)を実現するとともに,計算複雑性の低減とスケーラビリティの向上を実現している。
関連論文リスト
- Joint Multi-Target Detection-Tracking in Cognitive Massive MIMO Radar via POMCP [42.99053410696693]
この対応は、複数の目標を共同で検出・追跡するためのパワー認識型認知レーダフレームワークを提供する。
部分観測可能なモンテカルロ計画(POMCP)に基づく従来の単一ターゲットアルゴリズムに基づいて,各ターゲットを独立したPOMCPツリーに割り当てることで,マルチターゲットケースに拡張する。
提案する認知レーダのフレームワークは,低SNR目標の検出確率を向上し,均一あるいは波形を用いた手法よりも高精度な追跡を実現する。
論文 参考訳（メタデータ） (2025-07-23T13:43:29Z) - Near-Field Channel Estimation for XL-MIMO: A Deep Generative Model Guided by Side Information [70.25632840894272]
本稿では,大規模マルチインプット多重出力(XL-MIMO)システムにおける近接場(NF)チャネル推定について検討する。
我々は、推定チャネルを洗練するためのGenAIベースのアプローチを提案する。
実験結果から,提案手法はCEの大幅な性能向上を実現することができることが示された。
論文 参考訳（メタデータ） (2025-05-11T08:35:36Z) - Symmetric Mean-field Langevin Dynamics for Distributional Minimax
Problems [78.96969465641024]
平均場ランゲヴィンのダイナミクスを、対称で証明可能な収束した更新で、初めて確率分布に対する最小の最適化に拡張する。
また,時間と粒子の離散化機構について検討し,カオス結果の新たな均一時間伝播を証明した。
論文 参考訳（メタデータ） (2023-12-02T13:01:29Z) - Random Orthogonalization for Federated Learning in Massive MIMO Systems [85.71432283670114]
大規模マルチインプット・マルチアウトプット(MIMO)無線システムにおいて,フェデレートラーニング(FL)のための新しい通信設計を提案する。
ランダム直交化の主な特徴は、FLの密結合と、チャネル硬化と良好な伝播の2つの特徴から生じる。
我々は、この原理をダウンリンク通信フェーズに拡張し、FLの簡易かつ高効率なモデル放送法を開発する。
論文 参考訳（メタデータ） (2022-10-18T14:17:10Z) - Hybrid Far- and Near-Field Channel Estimation for THz Ultra-Massive MIMO
via Fixed Point Networks [15.498866529344275]
テラヘルツ超大容量多重出力(THz UM-MIMO)は6G無線システムのキーイネーブラーとして想定されている。
我々は適応的複雑性と線形収束保証を備えた効率的なディープラーニングに基づくチャネル推定器を開発した。
アルゴリズムの大きな革新は、任意の深さでニューラルネットワークをモデリングし、ハイブリッドフィールドのチャネル条件に適応しながら、チャネル推定を計算するために固定点を適用することである。
論文 参考訳（メタデータ） (2022-05-10T14:57:56Z) - Radio-Frequency Multi-Mode OAM Detection Based on UCA Samples Learning [19.3368485421533]
電波周波数における軌道角運動量(OAM)は、同じ周波数チャネル上の一連のモードを多重化する新しいアプローチを提供する。
古典位相勾配に基づくOAMモード検出法は、送信アンテナと受信アンテナの完全なアライメントを必要とする。
論文 参考訳（メタデータ） (2021-11-29T15:55:29Z) - Neural Calibration for Scalable Beamforming in FDD Massive MIMO with
Implicit Channel Estimation [10.775558382613077]
チャネル推定とビームフォーミングは、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)システムにおいて重要な役割を果たす。
受信したアップリンクパイロットに応じて,基地局のビームフォーマを直接最適化する深層学習方式を提案する。
エンド・ツー・エンドの設計のスケーラビリティを向上させるために,ニューラルキャリブレーション法を提案する。
論文 参考訳（メタデータ） (2021-08-03T14:26:14Z) - Distributed Conditional Generative Adversarial Networks (GANs) for
Data-Driven Millimeter Wave Communications in UAV Networks [116.94802388688653]
無人航空機(UAV)無線ネットワークにおけるミリ波(mmWave)通信のための,データ駆動型空対地(A2G)チャネル推定手法を提案する。
実効的なチャネル推定手法を開発し、各UAVは、各ビームフォーミング方向に沿って条件付き生成対向ネットワーク(CGAN)を介してスタンドアロンチャネルモデルを訓練することができる。
分散CGANアーキテクチャに基づく協調的なフレームワークを開発し、各UAVがmmWaveチャネルの分布を協調的に学習できるようにする。
論文 参考訳（メタデータ） (2021-02-02T20:56:46Z) - Learning to Beamform in Heterogeneous Massive MIMO Networks [48.62625893368218]
大規模マルチインプット多重出力(MIMO)ネットワークにおいて最適なビームフォーマを見つけることはよく知られている問題である。
本稿では,この問題に対処するための新しい深層学習に基づく論文アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-11-08T12:48:06Z)
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。