論文の概要: Adaptive End-to-End Transceiver Design for NextG Pilot-Free and CP-Free Wireless Systems

• arxiv url: http://arxiv.org/abs/2510.25416v1
• Date: Wed, 29 Oct 2025 11:34:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-30 15:50:45.48447
• Title: Adaptive End-to-End Transceiver Design for NextG Pilot-Free and CP-Free Wireless Systems
• Title（参考訳）: NextG Pilot-free および CP-free 無線システムのための適応型エンドツーエンドトランシーバ設計
• Authors: Jiaming Cheng, Wei Chen, Bo Ai,
• Abstract要約: パイロットフリーでCPフリーな無線システムに適した適応型エンドツーエンド(E2E)トランシーバアーキテクチャを提案する。 このアーキテクチャは、AI駆動の星座形成と、ジョイントトレーニングによるニューラルレシーバーを組み合わせる。 提案するフレームワークは,様々なチャネルシナリオに対して,より優れたビットエラー率(BER),スループット,レジリエンスを提供する。
• 参考スコア（独自算出の注目度）: 18.330923801141886
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advent of artificial intelligence (AI)-native wireless communication is fundamentally reshaping the design paradigm of next-generation (NextG) systems, where intelligent air interfaces are expected to operate adaptively and efficiently in highly dynamic environments. Conventional orthogonal frequency division multiplexing (OFDM) systems rely heavily on pilots and the cyclic prefix (CP), resulting in significant overhead and reduced spectral efficiency. To address these limitations, we propose an adaptive end-to-end (E2E) transceiver architecture tailored for pilot-free and CP-free wireless systems. The architecture combines AI-driven constellation shaping and a neural receiver through joint training. To enhance robustness against mismatched or time-varying channel conditions, we introduce a lightweight channel adapter (CA) module, which enables rapid adaptation with minimal computational overhead by updating only the CA parameters. Additionally, we present a framework that is scalable to multiple modulation orders within a unified model, significantly reducing model storage requirements. Moreover, to tackle the high peak-to-average power ratio (PAPR) inherent to OFDM, we incorporate constrained E2E training, achieving compliance with PAPR targets without additional transmission overhead. Extensive simulations demonstrate that the proposed framework delivers superior bit error rate (BER), throughput, and resilience across diverse channel scenarios, highlighting its potential for AI-native NextG.
• Abstract（参考訳）: 人工知能(AI)ネイティブ無線通信の出現は、インテリジェントな空気インターフェースが高度にダイナミックな環境で適応的かつ効率的に動作することが期待される次世代(NextG)システムの設計パラダイムを根本的に変えつつある。 従来の直交周波数分割多重化(OFDM)システムはパイロットとサイクリックプレフィックス(CP)に大きく依存しており、オーバーヘッドが大きくなりスペクトル効率が低下する。 これらの制約に対処するため,パイロットフリーでCPフリーな無線システムに適した適応型エンドツーエンド(E2E)トランシーバアーキテクチャを提案する。 このアーキテクチャは、AI駆動の星座形成と、ジョイントトレーニングによるニューラルレシーバーを組み合わせる。 そこで本稿では,CAパラメータのみを更新することで,計算オーバーヘッドを最小限に抑える軽量チャネルアダプタ(CA)モジュールを導入する。 さらに、統一モデル内の複数の変調順序にスケーラブルなフレームワークを提案し、モデルストレージの要求を大幅に低減する。 さらに,OFDM固有の高ピーク対平均パワー比(PAPR)に取り組むために,制約付きE2Eトレーニングを導入し,追加の送信オーバーヘッドを伴わずにPAPRターゲットへのコンプライアンスを実現する。 大規模なシミュレーションにより、提案されたフレームワークは、さまざまなチャネルシナリオにまたがる優れたビットエラー率(BER)、スループット、レジリエンスを提供し、AIネイティブなNextGの可能性を強調している。

関連論文リスト

• Efficient Onboard Vision-Language Inference in UAV-Enabled Low-Altitude Economy Networks via LLM-Enhanced Optimization [61.55616421408666]
  低高度経済ネットワーク(LAENets)は、航空監視、環境検知、セマンティックデータ収集など、様々な応用を可能にしている。 オンボードビジョン(VLM)は、リアルタイムな推論を提供するが、オンボードの動的ネットワーク条件は限られている。 動的LEENet条件下での通信効率を向上させるUAV対応LEENetシステムを提案する。
  論文  参考訳（メタデータ） (2025-10-11T05:11:21Z)
• Joint Channel Estimation and Computation Offloading in Fluid Antenna-assisted MEC Networks [81.36647816787713]
  チャネル推定の遅延を最小限に抑えるためのFA支援オフロードフレームワークを提案する。 提案方式は,効率的な通信を行う場合の精度を大幅に低下させることを示す。
  論文  参考訳（メタデータ） (2025-09-16T08:48:44Z)
• Deep Learning Optimization of Two-State Pinching Antennas Systems [48.70043547158868]
  ピンチアンテナ(PA)は、二元活性化状態を通して電磁波の伝搬を動的に制御することができる。 本研究では,ユーザ端末での通信速度を最大化することを目的として,定位PAのサブセットを最適に選択して導波路で活性化する問題について検討する。
  論文  参考訳（メタデータ） (2025-07-08T17:55:54Z)
• Joint Transmit and Pinching Beamforming for Pinching Antenna Systems (PASS): Optimization-Based or Learning-Based? [89.05848771674773]
  MISO (Multiple-input Single-output) フレームワークを提案する。 それは複数の導波路で構成されており、多数の低コストアンテナ(PA)を備えている。 PAの位置は、大規模パスと空間の両方にまたがるように再構成することができる。
  論文  参考訳（メタデータ） (2025-02-12T18:54:10Z)
• Integrated Sensing and Communications for Low-Altitude Economy: A Deep Reinforcement Learning Approach [20.36806314683902]
  低高度経済(LAE)のための統合センシング・通信(ISAC)システムについて検討する。 所定の飛行期間における通信総和レートは、GBSとUAVの軌道でのビームフォーミングを共同最適化することにより最大化する。 本稿では, 深部強化学習(DRL)技術を活用して, 深部LAE-ISAC(Deep LAE-ISAC)と呼ばれる新しいLEE指向ISAC方式を提案する。
  論文  参考訳（メタデータ） (2024-12-05T11:12:46Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Learning OFDM Waveforms with PAPR and ACLR Constraints [15.423422040627331]
  達成可能な情報レートを最大化しつつ,選択した制約を満たすOFDMベースの波形を設計するための学習ベース手法を提案する。 エンドツーエンドシステムは,PAPRとACLRの制約を満たすことができ,スループットを著しく向上させることができることを示す。
  論文  参考訳（メタデータ） (2021-10-21T08:58:59Z)
• Optimization-driven Deep Reinforcement Learning for Robust Beamforming in IRS-assisted Wireless Communications [54.610318402371185]
  Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。 我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。 過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
  論文  参考訳（メタデータ） (2020-05-25T01:42:55Z)

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。