論文の概要: DiffPace: Diffusion-based Plug-and-play Augmented Channel Estimation in mmWave and Terahertz Ultra-Massive MIMO Systems
- arxiv url: http://arxiv.org/abs/2511.01867v1
- Date: Tue, 21 Oct 2025 06:22:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-09 16:58:40.044506
- Title: DiffPace: Diffusion-based Plug-and-play Augmented Channel Estimation in mmWave and Terahertz Ultra-Massive MIMO Systems
- Title（参考訳）: DiffPace: mmWave および Terahertz Ultra-Massive MIMO システムにおける拡散型プラグアンドプレイ増大チャネル推定
- Authors: Zhengdong Hu, Chong Han, Wolfgang Gerstacker, Robert Schober,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 42.56832361766872
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Millimeter-wave (mmWave) and Terahertz (THz)-band communications hold great promise in meeting the growing data-rate demands of next-generation wireless networks, offering abundant bandwidth. To mitigate the severe path loss inherent to these high frequencies and reduce hardware costs, ultra-massive multiple-input multiple-output (UM-MIMO) systems with hybrid beamforming architectures can deliver substantial beamforming gains and enhanced spectral efficiency. However, accurate channel estimation (CE) in mmWave and THz UM-MIMO systems is challenging due to high channel dimensionality and compressed observations from a limited number of RF chains, while the hybrid near- and far-field radiation patterns, arising from large array apertures and high carrier frequencies, further complicate CE. Conventional compressive sensing based frameworks rely on predefined sparsifying matrices, which cannot faithfully capture the hybrid near-field and far-field channel structures, leading to degraded estimation performance. This paper introduces DiffPace, a diffusion-based plug-and-play method for channel estimation. DiffPace uses a diffusion model (DM) to capture the channel distribution based on the hybrid spherical and planar-wave (HPSM) model. By applying the plug-and-play approach, it leverages the DM as prior knowledge, improving CE accuracy. Moreover, DM performs inference by solving an ordinary differential equation, minimizing the number of required inference steps compared with stochastic sampling method. Experimental results show that DiffPace achieves competitive CE performance, attaining -15 dB normalized mean square error (NMSE) at a signal-to-noise ratio (SNR) of 10 dB, with 90\% fewer inference steps compared to state-of-the-art schemes, simultaneously providing high estimation precision and enhanced computational efficiency.
- Abstract（参考訳）: Millimeter-wave (mmWave) と Terahertz (THz) のバンド通信は、次世代無線ネットワークにおけるデータレートの要求に応え、豊富な帯域幅を提供する。
これらの高周波数に起因する深刻な経路損失を軽減し、ハードウェアコストを削減するため、ハイブリッドビームフォーミングアーキテクチャによる超大容量マルチインプットマルチアウトプット(UM-MIMO)システムにより、ビームフォーミングの大幅な向上とスペクトル効率の向上を実現している。
しかし,mmWave と THz UM-MIMO 系における高精度チャネル推定 (CE) は,RF 鎖数に制限があるため,高いチャネル次元と圧縮された観測により困難である。
従来の圧縮センシングに基づくフレームワークは事前定義された分散行列に依存しており、これは近距離チャネルと遠距離チャネルのハイブリッド構造を忠実に捉えることができず、劣化した推定性能をもたらす。
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。
DiffPaceは拡散モデル(DM)を用いて、ハイブリッド球面および平面波モデル(HPSM)に基づいてチャネル分布をキャプチャする。
プラグイン・アンド・プレイ・アプローチを適用することで、DMを事前知識として活用し、CE精度を向上させる。
さらに、DMは通常の微分方程式を解くことで推論を行い、確率的サンプリング法と比較して必要な推論ステップの数を最小化する。
実験の結果,DiffPaceは10dBの信号-雑音比(SNR)で15dBの正規化平均二乗誤差(NMSE)を達成でき,予測精度と計算効率が向上した。
関連論文リスト
- Robust Super-Capacity SRS Channel Inpainting via Diffusion Models [19.333344273742014]
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。
論文 参考訳（メタデータ） (2025-10-30T03:22:13Z) - Non-Identical Diffusion Models in MIMO-OFDM Channel Generation [33.33163164222617]
非同一拡散モデルと呼ばれる新しい拡散モデルを提案し,その無線OFDMチャネル生成への応用について検討する。
非識別拡散により、ノイズ入力内の各要素の信頼性を特徴付けることができる。
提案手法の有効性と妥当性を理論的にも数値的にも示す。
論文 参考訳（メタデータ） (2025-09-01T17:33:39Z) - 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) - Near-Field Channel Estimation for XL-MIMO: A Deep Generative Model Guided by Side Information [70.25632840894272]
本稿では,大規模マルチインプット多重出力(XL-MIMO)システムにおける近接場(NF)チャネル推定について検討する。
我々は、推定チャネルを洗練するためのGenAIベースのアプローチを提案する。
実験結果から,提案手法はCEの大幅な性能向上を実現することができることが示された。
論文 参考訳（メタデータ） (2025-05-11T08:35:36Z) - Generating High Dimensional User-Specific Wireless Channels using Diffusion Models [27.848413167129774]
本稿では拡散モデルを用いて合成無線チャネルデータを生成する新しい手法を提案する。
提案手法では,条件付き拡散暗黙的モデル (cDDIM) を用いて,ユーザ位置とマルチアンテナチャネル特性の関係を効果的に把握する。
我々は、ユーザ位置を条件入力として合成された高忠実度チャネルサンプルを生成し、測定不足を克服するために、より大きな拡張データセットを作成する。
論文 参考訳（メタデータ） (2024-09-05T22:08:28Z) - 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) - Hybrid Far- and Near-Field Channel Estimation for THz Ultra-Massive MIMO
via Fixed Point Networks [15.498866529344275]
テラヘルツ超大容量多重出力(THz UM-MIMO)は6G無線システムのキーイネーブラーとして想定されている。
我々は適応的複雑性と線形収束保証を備えた効率的なディープラーニングに基づくチャネル推定器を開発した。
アルゴリズムの大きな革新は、任意の深さでニューラルネットワークをモデリングし、ハイブリッドフィールドのチャネル条件に適応しながら、チャネル推定を計算するために固定点を適用することである。
論文 参考訳（メタデータ） (2022-05-10T14:57:56Z) - Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。
一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。
本稿では2つの新しい推定法を提案する。
論文 参考訳（メタデータ） (2021-09-06T13:42:32Z) - Model-Driven Deep Learning Based Channel Estimation and Feedback for
Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。
無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。
MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-04-22T13:34:53Z) - 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)
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。