論文の概要: Capacity-Net-Based RIS Precoding Design without Channel Estimation for mmWave MIMO System
- arxiv url: http://arxiv.org/abs/2509.25660v1
- Date: Tue, 30 Sep 2025 01:57:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-01 17:09:04.386331
- Title: Capacity-Net-Based RIS Precoding Design without Channel Estimation for mmWave MIMO System
- Title（参考訳）: mmWave MIMOシステムにおけるチャネル推定を伴わない容量ネットワークRISプリコーディング設計
- Authors: Chun-Yuan Huang, Po-Heng Chou, Wan-Jen Huang, Ying-Ren Chien, Yu Tsao,
- Abstract要約: Capacity-Netは、ミリ波(mmWave)システムにおける達成可能な速度を最大化する新しい教師なし学習手法である。
mmWaveスペクトルの重度チャネルフェードに対処するため、RISの反射素子の位相シフト係数を最適化し、達成可能な速度を向上する。
チャネル推定の代わりに、受信したパイロット信号間のマッピング、最適化されたRIS位相シフト、そして達成可能なレートを確立するために、Capacity-Netが提案されている。
- 参考スコア（独自算出の注目度）: 14.025055154083104
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose Capacity-Net, a novel unsupervised learning approach aimed at maximizing the achievable rate in reflecting intelligent surface (RIS)-aided millimeter-wave (mmWave) multiple input multiple output (MIMO) systems. To combat severe channel fading of the mmWave spectrum, we optimize the phase-shifting factors of the reflective elements in the RIS to enhance the achievable rate. However, most optimization algorithms rely heavily on complete and accurate channel state information (CSI), which is often challenging to acquire since the RIS is mostly composed of passive components. To circumvent this challenge, we leverage unsupervised learning techniques with implicit CSI provided by the received pilot signals. Specifically, it usually requires perfect CSI to evaluate the achievable rate as a performance metric of the current optimization result of the unsupervised learning method. Instead of channel estimation, the Capacity-Net is proposed to establish a mapping among the received pilot signals, optimized RIS phase shifts, and the resultant achievable rates. Simulation results demonstrate the superiority of the proposed Capacity-Net-based unsupervised learning approach over learning methods based on traditional channel estimation.
- Abstract（参考訳）: 本稿では,知的表面(RIS)支援ミリ波多重出力(MIMO)システムにおける達成率の最大化を目的とした,新しい教師なし学習手法であるCapacity-Netを提案する。
mmWaveスペクトルの重度チャネルフェードに対処するため、RISの反射素子の位相シフト係数を最適化し、達成可能な速度を向上する。
しかし、ほとんどの最適化アルゴリズムは完全かつ正確なチャネル状態情報(CSI)に大きく依存しており、RISは主に受動的コンポーネントで構成されているため、取得は困難であることが多い。
この課題を回避するために、パイロット信号の暗黙的なCSIを用いて教師なし学習手法を利用する。
具体的には、教師なし学習手法の現在の最適化結果のパフォーマンス指標として、達成可能な速度を評価するためには、通常完璧なCSIが必要である。
チャネル推定の代わりに、受信したパイロット信号間のマッピング、最適化されたRIS位相シフト、そして達成可能なレートを確立するために、Capacity-Netが提案されている。
シミュレーションの結果、従来のチャネル推定に基づく学習手法よりも、提案した容量ネットワークに基づく教師なし学習アプローチの方が優れていることが示された。
関連論文リスト
- Sustainable LSTM-Based Precoding for RIS-Aided mmWave MIMO Systems with Implicit CSI [2.8408947965063778]
このフレームワークはアップリンクパイロットシーケンスを利用して暗黙的にチャネル特性を学習し、パイロットのオーバーヘッドと推論の複雑さを低減します。
提案した設計は、総探索のスペクトル効率の90%以上を計算時間のわずか2.2%で達成し、エネルギー消費量を2桁近く削減する。
論文 参考訳（メタデータ） (2025-09-16T04:29:14Z) - Green Learning for STAR-RIS mmWave Systems with Implicit CSI [53.03358325565645]
再構成可能なインテリジェントサーフェス (STAR-RIS) 支援ミリ波放送システム (mmWave) を同時に送信し, 反射するグリーンラーニング (GL) ベースのプリコーディングフレームワークを提案する。
本研究は,将来の6Gネットワークにおける環境持続可能性を重視し,複数のユーザが同一情報を共有し,スペクトル効率を向上し,冗長伝送と電力消費を低減させるシナリオに,トランスミッションフレームワークを採用する。
論文 参考訳（メタデータ） (2025-09-08T15:56:06Z) - DNN-Based Precoding in RIS-Aided mmWave MIMO Systems With Practical Phase Shift [43.56429251312585]
本稿では、直接通信路を妨害したミリ波マルチインプット多重出力(MIMO)システムのスループットを最大化する。
リコンフィギュアブルインテリジェントサーフェス(RIS)は、視線(LoS)とマルチパス効果に関連するmmWave特性を考慮して伝送性を高めるために使用される。
ディープニューラルネットワーク(DNN)は、より高速なコードワード選択を容易にするために開発された。
論文 参考訳（メタデータ） (2025-07-03T17:35:06Z) - Machine Learning-Based Channel Prediction for RIS-assisted MIMO Systems With Channel Aging [11.867884158309373]
再構成可能なインテリジェントサーフェス (RIS) は,第6世代 (6G) および通信システムを越えた性能向上のための有望な技術として登場した。
RISの受動的性質とその多数の反射要素は、チャネル推定プロセスに困難をもたらす。
本稿では、自己回帰(AR)予測器と統合された畳み込みニューラルネットワーク(CNN)に基づく、RIS支援マルチインプットマルチアウトプット(MIMO)システムのための拡張チャネル推定フレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-09T19:45:49Z) - 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) - Time-Varying Channel Prediction for RIS-Assisted MU-MISO Networks via
Deep Learning [15.444805225936992]
再構成可能なインテリジェントサーフェス(RIS)は、無線通信の信号伝送品質を改善するための有望な技術となっている。
しかし、RISアシストシステムでは、正確で低レイテンシで低パイロットオーバヘッドチャネル状態情報(CSI)の取得が大きな課題となっている。
CSIを必要とする3段階のジョイントチャネル分解および予測フレームワークを提案する。
論文 参考訳（メタデータ） (2021-11-09T07:26:51Z) - Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。
推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。
提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
論文 参考訳（メタデータ） (2021-07-27T06:57:56Z) - Deep Denoising Neural Network Assisted Compressive Channel Estimation
for mmWave Intelligent Reflecting Surfaces [99.34306447202546]
本稿では,mmWave IRSシステムに対するディープデノイングニューラルネットワークを用いた圧縮チャネル推定法を提案する。
我々はまず、受信チェーンをほとんど使わず、アップリンクのユーザ-IRSチャネルを推定するハイブリッド・パッシブ/アクティブIRSアーキテクチャを導入する。
完全チャネル行列は、圧縮センシングに基づいて限られた測定値から再構成することができる。
論文 参考訳（メタデータ） (2020-06-03T12:18:57Z) - Millimeter Wave Communications with an Intelligent Reflector:
Performance Optimization and Distributional Reinforcement Learning [119.97450366894718]
ミリ波基地局のダウンリンクマルチユーザ通信を最適化するための新しいフレームワークを提案する。
チャネル状態情報(CSI)をリアルタイムで計測するために,チャネル推定手法を開発した。
最適赤外反射を学習し、ダウンリンク能力の期待を最大化するために、分布強化学習(DRL)手法を提案する。
論文 参考訳（メタデータ） (2020-02-24T22:18:54Z)
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。