論文の概要: GNN-Enabled Robust Hybrid Beamforming with Score-Based CSI Generation and Denoising

• arxiv url: http://arxiv.org/abs/2511.06663v1
• Date: Mon, 10 Nov 2025 03:18:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:45.051872
• Title: GNN-Enabled Robust Hybrid Beamforming with Score-Based CSI Generation and Denoising
• Title（参考訳）: スコアベースCSI生成・デノイングによるGNN型ロバストハイブリッドビームフォーミング
• Authors: Yuhang Li, Yang Lu, Bo Ai, Zhiguo Ding, Dusit Niyato, Arumugam Nallanathan,
• Abstract要約: 本稿では,グラフニューラルネットワーク(GNN)とスコアベース生成モデルを用いて,ロバストなハイブリッドビームフォーミング(HBF)タスクを実現することを提案する。 我々は、高分解能CSIの分布を学習するために、変換器(BERT)ベースのノイズ条件スコアネットワーク(NCSN)による双方向表現を設計する。 最後に,デノナイジングスコアネットワーク(DSN)と,デノナイジングスコアネットワーク(DSN)を任意のチャネルエラーレベル下でデノナイジングできるデノナイジングスコアネットワーク(DeBERT)を提案する。
• 参考スコア（独自算出の注目度）: 105.08746566747324
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate Channel State Information (CSI) is critical for Hybrid Beamforming (HBF) tasks. However, obtaining high-resolution CSI remains challenging in practical wireless communication systems. To address this issue, we propose to utilize Graph Neural Networks (GNNs) and score-based generative models to enable robust HBF under imperfect CSI conditions. Firstly, we develop the Hybrid Message Graph Attention Network (HMGAT) which updates both node and edge features through node-level and edge-level message passing. Secondly, we design a Bidirectional Encoder Representations from Transformers (BERT)-based Noise Conditional Score Network (NCSN) to learn the distribution of high-resolution CSI, facilitating CSI generation and data augmentation to further improve HMGAT's performance. Finally, we present a Denoising Score Network (DSN) framework and its instantiation, termed DeBERT, which can denoise imperfect CSI under arbitrary channel error levels, thereby facilitating robust HBF. Experiments on DeepMIMO urban datasets demonstrate the proposed models' superior generalization, scalability, and robustness across various HBF tasks with perfect and imperfect CSI.
• Abstract（参考訳）: 高精度チャネル状態情報(CSI)はハイブリッドビームフォーミング(HBF)タスクにおいて重要である。 しかし,無線通信システムでは,高解像度CSIの取得は依然として困難である。 本稿では,グラフニューラルネットワーク(GNN)とスコアベース生成モデルを用いて,不完全なCSI条件下での堅牢なHBFを実現することを提案する。 まず,Hybrid Message Graph Attention Network(HMGAT)を開発し,ノードレベルおよびエッジレベルのメッセージパッシングを通じて,ノードとエッジ両方の機能を更新する。 第2に,変換器(BERT)を用いた雑音条件スコアネットワーク(NCSN)による双方向エンコーダ表現を設計し,高分解能CSIの分布を学習し,CSI生成とデータ拡張を容易にし,HMGATの性能をさらに向上させる。 最後に,デノナイジングスコアネットワーク(DSN)フレームワークとデノナイジングスコアネットワーク(DSN)のインスタンス化について述べる。 DeepMIMO都市データセットの実験では、提案モデルが完全かつ不完全なCSIを持つ様々なHBFタスクに対して、優れた一般化、スケーラビリティ、堅牢性を示す。

関連論文リスト

• GTCN-G: A Residual Graph-Temporal Fusion Network for Imbalanced Intrusion Detection (Preprint) [19.99795815493204]
  本稿では,Gated Temporal Convolutional Network and Graph (GTCN-G) という新しいディープラーニングフレームワークを提案する。 本モデルでは,ネットワークフローから階層的時間的特徴を抽出するためのGated TCN (G-TCN) を,基礎となるグラフ構造から学習するためのグラフ畳み込みネットワーク (GCN) を用いて一意に融合させる。 中心となるイノベーションは、グラフ注意ネットワーク(GAT)を通じて実装された残留学習メカニズムの統合にある。
  論文  参考訳（メタデータ） (2025-10-08T17:45:59Z)
• Distributed Gossip-GAN for Low-overhead CSI Feedback Training in FDD mMIMO-OFDM Systems [65.23921727688749]
  本稿では,新たなゴシップ生成敵ネットワーク(Gossip-GAN)支援CSIフィードバックトレーニングフレームワークを提案する。 Gossip-GANは、ユーザのプライバシを保護しながら、低オーバーヘッドでCSIフィードバックトレーニングを可能にする。
  論文  参考訳（メタデータ） (2025-08-31T07:46:16Z)
• CSI-BERT2: A BERT-inspired Framework for Efficient CSI Prediction and Classification in Wireless Communication and Sensing [19.12026243010111]
  CSI予測と分類タスクのための統合フレームワークCSI-BERT2を提案する。 このフレームワークはBERTに適応し、双方向の自己認識機構を通じてCSI配列間の複雑な関係をキャプチャする。 CSI-BERT2は、すべてのタスクで最先端のパフォーマンスを達成することを実証している。
  論文  参考訳（メタデータ） (2024-12-09T06:44:04Z)
• Finding the Missing Data: A BERT-inspired Approach Against Package Loss in Wireless Sensing [14.973433993744708]
  CSI回復のための変換器(BERT)からの双方向表現に基づく深層学習モデルを提案する。 CSI-BERTは、追加のデータを必要とせずに、ターゲットデータセット上で自己管理的な方法でトレーニングすることができる。 実験の結果,CSI-BERTは従来の手法に比べて誤り率と速度が低いことがわかった。
  論文  参考訳（メタデータ） (2024-03-19T03:16:52Z)
• Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
  ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。 ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。 主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
  論文  参考訳（メタデータ） (2024-03-15T07:18:43Z)
• ADASR: An Adversarial Auto-Augmentation Framework for Hyperspectral and Multispectral Data Fusion [54.668445421149364]
  HSI(Deep Learning-based Hyperspectral Image)は、HSI(Hyperspectral Image)とMSI(Multispectral Image)を深層ニューラルネットワーク(DNN)に融合させることにより、高空間分解能HSI(HR-HSI)を生成することを目的としている。 本稿では, HSI-MSI 融合のためのデータ多様性を向上するために, HSI-MSI サンプルペアの自動最適化と拡張を行う新しい逆自動データ拡張フレームワーク ADASR を提案する。
  論文  参考訳（メタデータ） (2023-10-11T07:30:37Z)
• Hybrid SNN-ANN: Energy-Efficient Classification and Object Detection for Event-Based Vision [64.71260357476602]
  イベントベースの視覚センサは、画像フレームではなく、イベントストリームの局所的な画素単位の明るさ変化を符号化する。 イベントベースセンサーによる物体認識の最近の進歩は、ディープニューラルネットワークの変換によるものである。 本稿では、イベントベースのパターン認識とオブジェクト検出のためのディープニューラルネットワークのエンドツーエンドトレーニングのためのハイブリッドアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-12-06T23:45:58Z)
• Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral Super-Resolution [79.97180849505294]
  本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。 3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
  論文  参考訳（メタデータ） (2020-07-10T08:08:20Z)

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。