論文の概要: Precoder Design in Multi-User FDD Systems with VQ-VAE and GNN

• arxiv url: http://arxiv.org/abs/2510.09495v1
• Date: Fri, 10 Oct 2025 15:55:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 04:53:46.952518
• Title: Precoder Design in Multi-User FDD Systems with VQ-VAE and GNN
• Title（参考訳）: VQ-VAEとGNNを用いたマルチユーザFDDシステムのプリコーダ設計
• Authors: Srikar Allaparapu, Michael Baur, Benedikt Böck, Michael Joham, Wolfgang Utschick,
• Abstract要約: 我々は、ガウス混合モデル(GMM)とグラフニューラルネットワーク(GNN)の組み合わせに基づいて、サイト固有のプリコーダを設計した以前の作業に基づいて構築した。 本稿では,ベクトル量子化変分オートエンコーダ(VQ-VAE)を用いて,GMMの重要な欠点の1つ,すなわちフィードバックビットに指数関数的にスケールするGMM成分の数を回避した。 さらに、VQ-VAEのディープラーニングアーキテクチャにより、パイロット最適化とともに、VQ-VAEと共にGNNを共同で訓練することができる。
• 参考スコア（独自算出の注目度）: 20.38676347543672
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robust precoding is efficiently feasible in frequency division duplex (FDD) systems by incorporating the learnt statistics of the propagation environment through a generative model. We build on previous work that successfully designed site-specific precoders based on a combination of Gaussian mixture models (GMMs) and graph neural networks (GNNs). In this paper, by utilizing a vector quantized-variational autoencoder (VQ-VAE), we circumvent one of the key drawbacks of GMMs, i.e., the number of GMM components scales exponentially to the feedback bits. In addition, the deep learning architecture of the VQ-VAE allows us to jointly train the GNN together with VQ-VAE along with pilot optimization forming an end-to-end (E2E) model, resulting in considerable performance gains in sum rate for multi-user wireless systems. Simulations demonstrate the superiority of the proposed frameworks over the conventional methods involving the sub-discrete Fourier transform (DFT) pilot matrix and iterative precoder algorithms enabling the deployment of systems characterized by fewer pilots or feedback bits.
• Abstract（参考訳）: ロバストプリコーディングは、生成モデルを通じて伝播環境の学習統計を組み込むことにより、周波数分割二重化(FDD)システムにおいて効率よく実現可能である。 我々は,ガウス混合モデル (GMM) とグラフニューラルネットワーク (GNN) を組み合わせたサイト固有プリコーダの設計に成功した以前の成果に基づいて構築した。 本稿では,ベクトル量子化変分オートエンコーダ(VQ-VAE)を用いて,GMMの重要な欠点の1つ,すなわちフィードバックビットに指数関数的にスケールするGMM成分の数を回避した。 さらに、VQ-VAEのディープラーニングアーキテクチャにより、パイロット最適化によるエンドツーエンド(E2E)モデルの構築とともに、VQ-VAEと共同でGNNを訓練することが可能となり、マルチユーザ無線システムの総和レートが大幅に向上する。 シミュレーションにより、サブ離散フーリエ変換(DFT)パイロット行列と反復プリコーダアルゴリズムを含む従来の手法と比較して、提案手法の優位性を示す。

関連論文リスト

• 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)
• VAE-QWGAN: Addressing Mode Collapse in Quantum GANs via Autoencoding Priors [3.823356975862005]
  VAE-QWGANは、古典的変分オートエンコーダ(VAE)とハイブリッド量子ワッサーシュタインGAN(QWGAN)の強度を組み合わせる VAE-QWGANは既存のQGANアプローチよりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2024-09-16T14:52:22Z)
• Deep Learning for Multi-User MIMO Systems: Joint Design of Pilot, Limited Feedback, and Precoding [28.53535169241923]
  本稿では、パイロットシーケンス、限られたフィードバック、プリコーディングを含むダウンリンクMU-MIMOシステムのエンドツーエンド設計について検討する。 本稿では,ユーザによるフィードバック情報生成と基地局でのプリコーダ設計を協調的に最適化する新しいディープラーニング(DL)フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-21T13:02:06Z)
• Machine Learning model for gas-liquid interface reconstruction in CFD numerical simulations [59.84561168501493]
  流体の体積(VoF)法は多相流シミュレーションにおいて2つの不混和性流体間の界面を追跡・見つけるために広く用いられている。 VoF法の主なボトルネックは、計算コストが高く、非構造化グリッド上での精度が低いため、インタフェース再構成のステップである。 一般的な非構造化メッシュ上でのインタフェース再構築を高速化するために,グラフニューラルネットワーク(GNN)に基づく機械学習拡張VoF手法を提案する。
  論文  参考訳（メタデータ） (2022-07-12T17:07:46Z)
• Deep Convolutional Learning-Aided Detector for Generalized Frequency Division Multiplexing with Index Modulation [0.0]
  提案手法は、まずゼロフォース検出器(ZF)を用いて受信信号を前処理し、その後、畳み込みニューラルネットワーク(CNN)と完全連結ニューラルネットワーク(FCNN)からなるニューラルネットワークを用いる。 FCNN部は2つの完全に接続された層しか使用せず、複雑さとBER(bit error rate)パフォーマンスのトレードオフをもたらすことができる。 提案したディープ畳み込みニューラルネットワークに基づく検出・復調方式は,ZF検出器よりも高いBER性能を示し,複雑性が増大することが実証されている。
  論文  参考訳（メタデータ） (2022-02-06T22:18:42Z)
• Two-Timescale End-to-End Learning for Channel Acquisition and Hybrid Precoding [94.40747235081466]
  本研究では,ミリ波(mmWave)大規模マルチインプット多重出力(MIMO)システムのためのエンドツーエンドの深層学習に基づくジョイントトランスシーバ設計アルゴリズムを提案する。 我々は受信したパイロットを受信機でフィードバックビットにマッピングし、さらに送信機でハイブリッドプリコーダにフィードバックビットをマッピングするDNNアーキテクチャを開発した。
  論文  参考訳（メタデータ） (2021-10-22T20:49:02Z)
• 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)
• GAT-GMM: Generative Adversarial Training for Gaussian Mixture Models [29.42264360774606]
  GAN(Generative Adversarial Network)は、ゼロサムゲームを通して観測されたサンプルの分布を学習する。 本稿では,GAT-GMM(Gene Adversarial Gaussian Models)を提案する。 GAT-GMMは2つのガウスの混合学習において期待-最大化アルゴリズムと同様に機能することを示す。
  論文  参考訳（メタデータ） (2020-06-18T06:11:28Z)
• Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding Design for Multiuser MIMO Systems [59.804810122136345]
  本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。 古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。 提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
  論文  参考訳（メタデータ） (2020-06-15T02:57:57Z)

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。