論文の概要: Physics-Informed Parametric Bandits for Beam Alignment in mmWave Communications
- arxiv url: http://arxiv.org/abs/2510.18299v1
- Date: Tue, 21 Oct 2025 05:07:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 03:08:12.928037
- Title: Physics-Informed Parametric Bandits for Beam Alignment in mmWave Communications
- Title（参考訳）: mm波通信におけるビームアライメントのための物理インフォームドパラメトリックバンド
- Authors: Hao Qin, Thang Duong, Ming Li, Chicheng Zhang,
- Abstract要約: ミリ波通信では、ビームアライメントと追跡が重要な経路損失に対処するために重要である。
我々は,mmWaveチャネルのスパースマルチパス特性を利用する2つの物理インフォームドバンディットアルゴリズムである textitpretc と textitprgreedy を提案する。
提案アルゴリズムは,各経路のパラメータをブラックボックスとして扱い,サンプリングした過去の報酬に基づいて最適な推定値を維持する。
- 参考スコア（独自算出の注目度）: 19.693175084764
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In millimeter wave (mmWave) communications, beam alignment and tracking are crucial to combat the significant path loss. As scanning the entire directional space is inefficient, designing an efficient and robust method to identify the optimal beam directions is essential. Since traditional bandit algorithms require a long time horizon to converge under large beam spaces, many existing works propose efficient bandit algorithms for beam alignment by relying on unimodality or multimodality assumptions on the reward function's structure. However, such assumptions often do not hold (or cannot be strictly satisfied) in practice, which causes such algorithms to converge to choosing suboptimal beams. In this work, we propose two physics-informed bandit algorithms \textit{pretc} and \textit{prgreedy} that exploit the sparse multipath property of mmWave channels - a generic but realistic assumption - which is connected to the Phase Retrieval Bandit problem. Our algorithms treat the parameters of each path as black boxes and maintain optimal estimates of them based on sampled historical rewards. \textit{pretc} starts with a random exploration phase and then commits to the optimal beam under the estimated reward function. \textit{prgreedy} performs such estimation in an online manner and chooses the best beam under current estimates. Our algorithms can also be easily adapted to beam tracking in the mobile setting. Through experiments using both the synthetic DeepMIMO dataset and the real-world DeepSense6G dataset, we demonstrate that both algorithms outperform existing approaches in a wide range of scenarios across diverse channel environments, showing their generalizability and robustness.
- Abstract（参考訳）: ミリ波通信では、ビームアライメントと追跡が重要な経路損失に対処するために重要である。
方向空間全体を走査することが非効率であるので、最適なビーム方向を特定するための効率的で堅牢な手法を設計することが不可欠である。
従来のバンディットアルゴリズムは、大きなビーム空間の下に収束するために長い時間的地平線を必要とするため、多くの既存の研究は、報酬関数の構造に対する一様性や多様性の仮定に依存することで、ビームアライメントのための効率的なバンディットアルゴリズムを提案する。
しかし、そのような仮定は実際は成り立たない(あるいは厳密には満足できない)ため、そのようなアルゴリズムは準最適ビームの選択に収束する。
本研究では,mmWaveチャネルのスパースマルチパス特性(一般的な仮定だが現実的な仮定)を利用する物理インフォームドバンディットアルゴリズム \textit{pretc} と \textit{prgreedy} を2つ提案する。
提案アルゴリズムは,各経路のパラメータをブラックボックスとして扱い,サンプリングした過去の報酬に基づいて最適な推定値を維持する。
textit{pretc} はランダムな探索フェーズから始まり、推定された報酬関数の下で最適なビームにコミットする。
textit{prgreedy} はそのような推定をオンラインで行い、現在の推定値の下で最良のビームを選択する。
我々のアルゴリズムは、モバイル環境でのビームトラッキングにも容易に適応できる。
合成DeepMIMOデータセットと実世界のDeepSense6Gデータセットの両方を用いた実験により、両方のアルゴリズムが、様々なチャネル環境にまたがる幅広いシナリオにおいて、既存のアプローチよりも優れており、その一般化性と堅牢性を示していることを実証した。
関連論文リスト
- HoloBeam: Learning Optimal Beamforming in Far-Field Holographic
Metasurface Transceivers [5.402030962296633]
ミリ波およびテラヘルツ波通信におけるビームフォーミングのための大型アンテナアレイの代用として,ホログラフィック・メタサーフェス・トランシーバー (HMT) が登場している。
HMTにおけるビームフォーミングによる所望のチャネルゲインを達成するには、多数の要素の位相シフトを適切に設定する必要がある。
遠距離領域の受信機における受信信号強度をビームフォーミングし最大化するために,固定予算のマルチアーム・バンディット・フレームワークを用いた学習アルゴリズムを開発した。
論文 参考訳（メタデータ） (2023-12-30T03:29:32Z) - Equivariant Deep Weight Space Alignment [54.65847470115314]
本稿では,ウェイトアライメント問題を解決するための学習を目的とした新しいフレームワークを提案する。
まず、重み調整が2つの基本対称性に一致することを証明し、それからこれらの対称性を尊重する深いアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-10-20T10:12:06Z) - Implicitly normalized forecaster with clipping for linear and non-linear
heavy-tailed multi-armed bandits [85.27420062094086]
Implicitly Normalized Forecaster (INF) は、敵対的マルチアームバンディット(MAB)問題に対する最適解であると考えられている。
重み付き設定のMAB問題に対するクリッピング(INFclip)を用いたINFの新バージョン"Implicitly Normalized Forecaster"を提案する。
INFclipは線形重み付きMAB問題に対して最適であり、非線形問題に対して有効であることを示す。
論文 参考訳（メタデータ） (2023-05-11T12:00:43Z) - Online Continuous Hyperparameter Optimization for Generalized Linear Contextual Bandits [55.03293214439741]
文脈的包帯では、エージェントは過去の経験に基づいた時間依存アクションセットから順次アクションを行う。
そこで本稿では,文脈的包帯のためのオンライン連続型ハイパーパラメータチューニングフレームワークを提案する。
理論上はサブ線形の後悔を達成でき、合成データと実データの両方において既存のすべての手法よりも一貫して優れた性能を発揮することを示す。
論文 参考訳（メタデータ） (2023-02-18T23:31:20Z) - UB3: Best Beam Identification in Millimeter Wave Systems via Pure
Exploration Unimodal Bandits [7.253481390411171]
本研究では,受信したビームの信号強度の一様構造を利用して,最適なビームを有限時間で識別するアルゴリズムを開発した。
我々のアルゴリズムは、Unimodal Bandit for Best Beam (UB3) と名付けられ、数ラウンドで高い確率で最適なビームを識別する。
論文 参考訳（メタデータ） (2022-12-26T09:24:22Z) - Fast Beam Alignment via Pure Exploration in Multi-armed Bandits [91.11360914335384]
我々は,ミリ波通信におけるBAレイテンシを低減するために,帯域幅に基づく高速BAアルゴリズムを開発した。
我々のアルゴリズムは2相ヘテロセダスティックトラック・アンド・ストップ (2PHT&S) と呼ばれる。
論文 参考訳（メタデータ） (2022-10-23T05:57:39Z) - Efficient Beam Search for Initial Access Using Collaborative Filtering [1.496194593196997]
ビームフォーミング可能なアンテナアレイは、高いキャリア周波数での高自由空間パス損失を克服する。
ビームは、最高出力がユーザ機器(UE)に向けて放射される(かつ受信される)ことを保証するために、適切にアライメントされなければならない。
論文 参考訳（メタデータ） (2022-09-14T14:25:56Z) - Bayesian Optimization-Based Beam Alignment for MmWave MIMO Communication
Systems [1.7467279441152421]
ビームアライメント(BA)はミリ波通信(mmWave)における重要な問題である
機械学習戦略,ベイズ最適化(BO)に基づく新しいビームアライメント方式を提案する。
本研究では,ビームアライメント問題をブラックボックス関数とみなし,BOを用いて最適ビーム対を求める。
論文 参考訳（メタデータ） (2022-07-28T15:37:49Z) - Smoothed Online Learning is as Easy as Statistical Learning [77.00766067963195]
この設定では、最初のオラクル効率、非回帰アルゴリズムを提供する。
古典的な設定で関数クラスが学習可能な場合、文脈的包帯に対するオラクル効率のよい非回帰アルゴリズムが存在することを示す。
論文 参考訳（メタデータ） (2022-02-09T19:22:34Z) - Syndicated Bandits: A Framework for Auto Tuning Hyper-parameters in
Contextual Bandit Algorithms [74.55200180156906]
文脈的盗賊問題は、探索と搾取の間のトレードオフをモデル化する。
我々のSyndicated Banditsフレームワークは最適な後悔の上限を達成できることを示す。
論文 参考訳（メタデータ） (2021-06-05T22:30:21Z)
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。