論文の概要: Phase-Aware Code-Aided EM Algorithm for Blind Channel Estimation in PSK-Modulated OFDM
- arxiv url: http://arxiv.org/abs/2511.21340v1
- Date: Wed, 26 Nov 2025 12:46:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-27 18:37:59.094748
- Title: Phase-Aware Code-Aided EM Algorithm for Blind Channel Estimation in PSK-Modulated OFDM
- Title（参考訳）: PSK変調OFDMにおけるブラインドチャネル推定のための位相対応符号支援EMアルゴリズム
- Authors: Chin-Hung Chen, Ivana Nikoloska, Wim van Houtum, Yan Wu, Alex Alvarado,
- Abstract要約: 本稿では、位相シフト鍵変調(PSK)変調を用いたOFDMシステムのための、完全に盲目な位相対応予測最大化(EM)アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 3.792575603976365
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a fully blind phase-aware expectation-maximization (EM) algorithm for OFDM systems with the phase-shift keying (PSK) modulation. We address the well-known local maximum problem of the EM algorithm for blind channel estimation. This is primarily caused by the unknown phase ambiguity in the channel estimates, which conventional blind EM estimators cannot resolve. To overcome this limitation, we propose to exploit the extrinsic information from the decoder as model evidence metrics. A finite set of candidate models is generated based on the inherent symmetries of PSK modulation, and the decoder selects the most likely candidate model. Simulation results demonstrate that, when combined with a simple convolutional code, the phase-aware EM algorithm reliably resolves phase ambiguity during the initialization stage and reduces the local convergence rate from 80% to nearly 0% in frequency-selective channels with a constant phase ambiguity. The algorithm is invoked only once after the EM initialization stage, resulting in negligible additional complexity during subsequent turbo iterations.
- Abstract（参考訳）: 本稿では、位相シフト鍵変調(PSK)変調を用いたOFDMシステムのための、完全に盲目な位相対応予測最大化(EM)アルゴリズムを提案する。
我々は、盲点チャネル推定のためのEMアルゴリズムのよく知られた局所的最大問題に対処する。
これは、従来の盲点EM推定器では解けないチャネル推定における未知の位相曖昧性によって主に引き起こされる。
この制限を克服するために,デコーダの外部情報をモデルエビデンス指標として活用することを提案する。
候補モデルの有限集合はPSK変調の固有の対称性に基づいて生成され、デコーダは最も可能性の高い候補モデルを選択する。
シミュレーションの結果、単純な畳み込み符号と組み合わせることで、位相認識EMアルゴリズムは初期化段階における位相曖昧性を確実に解決し、位相曖昧性のある周波数選択チャネルの局所収束率を80%から0%に低下させることを示した。
このアルゴリズムはEM初期化段階の後に1回だけ実行され、その後のターボの繰り返しの間に追加の複雑さが無視できる結果となった。
関連論文リスト
- Robust Blind Channel Estimation for Bursty Impulsive Noise with a Constrained EM Approach [6.278835867567429]
電源装置によって発生するインパルスノイズ(IN)は、無線受信機の性能を著しく低下させる。
本稿では,バーストINの影響を考慮した予測最大化(EM)アルゴリズムに基づくブラインドチャネル推定手法について検討する。
論文 参考訳（メタデータ） (2025-03-22T07:39:21Z) - Sub-linear Regret in Adaptive Model Predictive Control [56.705978425244496]
本稿では,STT-MPC (Self-Tuning tube-based Model Predictive Control) について述べる。
システム力学を最初に認識したアルゴリズムと比較して,アルゴリズムの後悔を解析する。
論文 参考訳（メタデータ） (2023-10-07T15:07:10Z) - Multi-kernel Correntropy-based Orientation Estimation of IMUs: Gradient
Descent Methods [3.8286082196845466]
コレントロピーに基づく降下勾配(CGD)とコレントロピーに基づく非結合配向推定(CDOE)
従来の方法は平均二乗誤差(MSE)基準に依存しており、外部加速度や磁気干渉に弱い。
新しいアルゴリズムは、カルマンフィルタベースのアプローチよりも計算の複雑さが著しく低いことを示している。
論文 参考訳（メタデータ） (2023-04-13T13:57:33Z) - Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。
特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文 参考訳（メタデータ） (2023-02-13T19:57:17Z) - Formal Controller Synthesis for Markov Jump Linear Systems with
Uncertain Dynamics [64.72260320446158]
マルコフジャンプ線形系に対する制御器の合成法を提案する。
本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。
本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
論文 参考訳（メタデータ） (2022-12-01T17:36:30Z) - Non-Coherent Over-the-Air Decentralized Gradient Descent [0.0]
無線システムにおける分散グラディエントDescentの実装は、ノイズ、フェーディング、帯域幅の制限により困難である。
本稿では,スケジューリング,トポロジ情報,CSIの必要性を解消するスケーラブルなDGDアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-11-19T19:15:34Z) - Statistical Approach to Quantum Phase Estimation [62.92678804023415]
位相推定アルゴリズム(PEA)に新しい統計的・変動的アプローチを導入する。
固有位相推定のみを返す従来的かつ反復的なPEAとは異なり、提案手法は未知の固有状態-固有位相対を決定できる。
本稿では,IBM Qプラットフォームおよびローカルコンピュータ上で,Qiskitパッケージを用いた手法のシミュレーション結果を示す。
論文 参考訳（メタデータ） (2021-04-21T00:02:00Z) - Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。
我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。
数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
論文 参考訳（メタデータ） (2020-11-18T16:40:45Z) - Amortized Conditional Normalized Maximum Likelihood: Reliable Out of
Distribution Uncertainty Estimation [99.92568326314667]
本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。
提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。
我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
論文 参考訳（メタデータ） (2020-11-05T08:04:34Z) - Model Predictive Control for Finite Input Systems using the D-Wave
Quantum Annealer [4.83782736808514]
D-Wave量子アニールは、新しい計算アーキテクチャとして登場し、大きな関心を集めている。
本稿では,量子アニールを用いたモデル予測制御(MPC)アルゴリズムを提案する。
スプリング・マス・ダンパーシステムの安定化と動的オーディオ量子化という2つの実用的応用を実証した。
論文 参考訳（メタデータ） (2020-01-06T05:11:52Z)
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。