Fugu-MT 論文翻訳(概要): Robust Super-Capacity SRS Channel Inpainting via Diffusion Models

論文の概要: Robust Super-Capacity SRS Channel Inpainting via Diffusion Models

arxiv url: http://arxiv.org/abs/2510.26097v1
Date: Thu, 30 Oct 2025 03:22:13 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-31 16:05:09.640613
Title: Robust Super-Capacity SRS Channel Inpainting via Diffusion Models
Title（参考訳）: 拡散モデルによるロバスト超容量SRSチャネルの塗装
Authors: Usman Akram, Fan Zhang, Yang Li, Haris Vikalo,
Abstract要約: 5G NRビームフォーミングでは、アップリンク音響基準信号(SRS)による相互性に基づくビームフォーミングがリソースとカバレッジの制約に直面している。本稿では,推論時にシステムモデル知識を統合する拡散型チャネルインパインティングフレームワークを提案する。本研究は,UNetスコアモデルベースラインと1ステップMAEの分散シフトにおいて,スコアベース拡散変法が一貫して優れることを示す。
参考スコア（独自算出の注目度）: 19.333344273742014
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Accurate channel state information (CSI) is essential for reliable multiuser MIMO operation. In 5G NR, reciprocity-based beamforming via uplink Sounding Reference Signals (SRS) face resource and coverage constraints, motivating sparse non-uniform SRS allocation. Prior masked-autoencoder (MAE) approaches improve coverage but overfit to training masks and degrade under unseen distortions (e.g., additional masking, interference, clipping, non-Gaussian noise). We propose a diffusion-based channel inpainting framework that integrates system-model knowledge at inference via a likelihood-gradient term, enabling a single trained model to adapt across mismatched conditions. On standardized CDL channels, the score-based diffusion variant consistently outperforms a UNet score-model baseline and the one-step MAE under distribution shift, with improvements up to 14 dB NMSE in challenging settings (e.g., Laplace noise, user interference), while retaining competitive accuracy under matched conditions. These results demonstrate that diffusion-guided inpainting is a robust and generalizable approach for super-capacity SRS design in 5G NR systems.
Abstract（参考訳）: 信頼性のあるマルチユーザMIMO操作には,正確なチャネル状態情報(CSI)が不可欠である。 5G NRでは、アップリンク音声参照信号(SRS)による相互性に基づくビームフォーミングがリソースとカバレッジの制約に直面し、スパース非一様SRS割り当てを動機付けている。マスク付きオートエンコーダ(MAE)アプローチはカバレッジを改善するが、マスクのトレーニングや、目に見えない歪み(例えば、マスクの追加、干渉、クリップング、非ガウスノイズ)の下での分解に過度に適合する。そこで本研究では,確率勾配項による推論時にシステムモデル知識を統合する拡散型チャネルインパインティングフレームワークを提案する。標準化されたCDLチャネルでは、スコアベースの拡散変動は、UNetスコアモデルベースラインと1ステップのMAEよりも一貫して優れており、マッチした条件下での競争精度を維持しながら、挑戦的な設定(例えば、ラプラスノイズ、ユーザ干渉)で最大14dB NMSEが改善されている。これらの結果は,5G NR系における超大容量SRS設計において,拡散誘導インペイントは堅牢かつ一般化可能なアプローチであることを示す。

関連論文リスト

Learning to Separate RF Signals Under Uncertainty: Detect-Then-Separate vs. Unified Joint Models [53.79667447811139]
受信した信号に直接適用した場合、単一のディープニューラルネットワークアーキテクチャが共同で検出および分離することを学習していることを示す。これらの結果から,UJM は DTS に代わるスケーラブルで実用的な代替品であり,広範に推定された統合分離のための新たな方向を開拓した。
論文参考訳（メタデータ） (2026-02-04T15:25:02Z)
Causal Autoregressive Diffusion Language Model [70.7353007255797]
CARDは厳密な因果注意マスク内の拡散過程を再構成し、単一の前方通過で密集した1対1の監視を可能にする。我々の結果は,CARDが並列生成のレイテンシの利点を解放しつつ,ARMレベルのデータ効率を実現することを示す。
論文参考訳（メタデータ） (2026-01-29T17:38:29Z)
DiffPace: Diffusion-based Plug-and-play Augmented Channel Estimation in mmWave and Terahertz Ultra-Massive MIMO Systems [42.56832361766872]
本稿では,チャネル推定のための拡散型プラグアンドプレイ方式であるDiffPaceを紹介する。高い推定精度と計算効率の向上を提供する。
論文参考訳（メタデータ） (2025-10-21T06:22:24Z)
Diff-GNSS: Diffusion-based Pseudorange Error Estimation [4.275603853123926]
グローバル・ナビゲーション・サテライト・システムズ(GNSS)は、信頼できる都市の位置決めに不可欠である。マルチパスと非線形受信は、しばしば精度を低下させる大きな測定誤差をもたらす。擬似乱数誤差を予測・補償する学習手法が注目されているが,その性能は複雑な誤差分布によって制限されている。 Diff-GNSSは,条件付き拡散モデルを用いて複雑な分布を捕捉する粗粒度測定(擬似サテライト)の誤差推定フレームワークである。
論文参考訳（メタデータ） (2025-09-22T06:57:06Z)
Conditional Denoising Diffusion for ISAC Enhanced Channel Estimation in Cell-Free 6G [10.728362890819392]
ISAC (Cell-free Integrated Sensing and Communication) は、第6世代 (6G) ネットワークに革命をもたらすことを目的としている。チャネル推定は、セルレスISACシステムにおいて、信頼性の高い通信を保証するための重要なステップである。本稿では, 条件付き騒音拡散モデルにおいて, 感覚情報を重要な入力として活用する新しい枠組みを提案する。
論文参考訳（メタデータ） (2025-06-07T22:45:21Z)
Latent Diffusion Model Based Denoising Receiver for 6G Semantic Communication: From Stochastic Differential Theory to Application [11.385703484113552]
生成人工知能(GAI)を利用した新しい意味コミュニケーションフレームワークを提案する。意味的特徴抽出のための変分オートエンコーダを組み合わせた潜在拡散モデル(LDM)に基づくセマンティックコミュニケーションフレームワークを提案する。提案システムはゼロショットの一般化をサポートし,低SNRおよびアウト・オブ・ディストリビューション条件下での優れた性能を実現する訓練自由フレームワークである。
論文参考訳（メタデータ） (2025-06-06T03:20:32Z)
AdaFortiTran: An Adaptive Transformer Model for Robust OFDM Channel Estimation [22.40154714677385]
本稿では,アダフォーティトラン(Adaptive Fortified Transformer, AdaFortiTran)を提案する。 AdaFortiTranは最先端モデルと比較して平均2乗誤差(MSE)を最大6dB削減する。
論文参考訳（メタデータ） (2025-05-14T02:22:37Z)
SING: Semantic Image Communications using Null-Space and INN-Guided Diffusion Models [52.40011613324083]
近年, 無線画像伝送において, 共用音源チャネル符号化システム (DeepJSCC) が顕著な性能を発揮している。既存の手法では、送信された画像とレシーバーの再構成されたバージョンとの間の歪みを最小限に抑えることに重点を置いており、しばしば知覚的品質を見落としている。逆問題として,破損した再構成画像から高品質な画像の復元を定式化する新しいフレームワークであるSINGを提案する。
論文参考訳（メタデータ） (2025-03-16T12:32:11Z)
DM-SBL: Channel Estimation under Structured Interference [6.94612534055972]
チャネル推定は通信システムの基本課題であり、効率的な復調に不可欠である。この研究は、ホワイトガウスノイズ(AWGN)と構造化干渉が共存するより困難なシナリオに対処する。これらのシナリオにおいて正確なチャネル推定を保証するために、遅延領域内のチャネルの間隔と干渉の複雑な構造を併用する。
論文参考訳（メタデータ） (2024-12-07T08:26:00Z)
Diffusion-Driven Semantic Communication for Generative Models with Bandwidth Constraints [66.63250537475973]
本稿では,帯域制限付き生成モデルのための,高度なVAEベースの圧縮を用いた拡散駆動型セマンティック通信フレームワークを提案する。実験の結果,ピーク信号対雑音比 (PSNR) などの画素レベルの指標と,LPIPS (Learning Perceptual Image patch similarity) のような意味的指標が大幅に改善された。
論文参考訳（メタデータ） (2024-07-26T02:34:25Z)
SMRD: SURE-based Robust MRI Reconstruction with Diffusion Models [76.43625653814911]
拡散モデルは、高い試料品質のため、MRIの再生を加速するために人気を博している。推論時に柔軟にフォワードモデルを組み込んだまま、効果的にリッチなデータプリエントとして機能することができる。拡散モデル(SMRD)を用いたSUREに基づくMRI再構成を導入し,テスト時の堅牢性を向上する。
論文参考訳（メタデータ） (2023-10-03T05:05:35Z)
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)

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。