Fugu-MT 論文翻訳(概要): Channel Knowledge Map Construction via Guided Flow Matching

論文の概要: Channel Knowledge Map Construction via Guided Flow Matching

arxiv url: http://arxiv.org/abs/2601.06156v1
Date: Tue, 06 Jan 2026 08:25:56 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-13 19:08:00.6219
Title: Channel Knowledge Map Construction via Guided Flow Matching
Title（参考訳）: ガイドフローマッチングによるチャネル知識マップの構築
Authors: Ziyu Huang, Yong Zeng, Shen Fu, Xiaoli Xu, Hongyang Du,
Abstract要約: 線形輸送誘導フローマッチング(LT-GFM)に基づく新しいフレームワークを提案する。本稿では,従来のチャネルゲインマップ(CGM)構築だけでなく,より困難な相関マップ(SCM)構築にも適用可能な統一アーキテクチャを提案する。シミュレーションの結果, LT-GFMはFréchet Inception Distance (FID) よりも有意に低い分布忠実度を実現し, DDPMに比べて25倍の速度で推論速度を加速することがわかった。
参考スコア（独自算出の注目度）: 22.16429053407676
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The efficient construction of accurate channel knowledge maps (CKMs) is crucial for unleashing the full potential of environment-aware wireless networks, yet it remains a difficult ill-posed problem due to the sparsity of available location-specific channel knowledge data. Although diffusion-based methods such as denoising diffusion probabilistic models (DDPMs) have been exploited for CKM construction, they rely on iterative stochastic sampling, rendering them too slow for real-time wireless applications. To bridge the gap between high fidelity and efficient CKM construction, this letter introduces a novel framework based on linear transport guided flow matching (LT-GFM). Deviating from the noise-removal paradigm of diffusion models, our approach models the CKM generation process as a deterministic ordinary differential equation (ODE) that follows linear optimal transport paths, thereby drastically reducing the number of required inference steps. We propose a unified architecture that is applicable to not only the conventional channel gain map (CGM) construction, but also the more challenging spatial correlation map (SCM) construction. To achieve physics-informed CKM constructions, we integrate environmental semantics (e.g., building masks) for edge recovery and enforce Hermitian symmetry for property of the SCM. Simulation results verify that LT-GFM achieves superior distributional fidelity with significantly lower Fréchet Inception Distance (FID) and accelerates inference speed by a factor of 25 compared to DDPMs.
Abstract（参考訳）: 正確なチャネル知識マップ(CKM)の効率的な構築は、環境に配慮した無線ネットワークの可能性を最大限に引き出す上で重要であるが、利用可能な位置特化チャネル知識データが存在するため、不適切な問題となっている。拡散確率モデル(DDPM)のような拡散に基づく手法は、CKMの構成に利用されてきたが、反復確率サンプリングに依存しており、リアルタイム無線アプリケーションでは遅すぎる。高忠実度と効率的なCKM構築のギャップを埋めるために,リニアトランスポートガイドフローマッチング(LT-GFM)に基づく新しいフレームワークを提案する。拡散モデルのノイズ除去パラダイムから逸脱し、我々はCKM生成過程を線形最適輸送経路に従う決定論的常微分方程式(ODE)としてモデル化し、必要な推論ステップの数を劇的に減らした。本稿では,従来のチャネルゲインマップ(CGM)構築だけでなく,より困難な空間相関マップ(SCM)構築にも適用可能な統一アーキテクチャを提案する。物理インフォームドCKM構造を実現するために,エッジ回復のための環境意味論(例えばビルディングマスク)を統合し,SCMの特性に対するエルミート対称性を強制する。シミュレーションの結果, LT-GFMはFréchet Inception Distance (FID) よりも有意に低い分布忠実度を実現し, DDPMに比べて25倍の速度で推論速度を加速することがわかった。

関連論文リスト

Environment-Aware Channel Inference via Cross-Modal Flow: From Multimodal Sensing to Wireless Channels [45.969793510760645]
この論文では、マルチモーダル観測から直接完全なCSIを推定するパイロットフリーチャネル推定について検討する。本研究では,センサ・チャネル間マッピングをモーダル間フローマッチング問題として定式化するデータ駆動型フレームワークを開発した。実験では,シオンナとブレンダーをベースとした手続き型データ生成装置を構築し,センシングシーンのリアルなモデリングと無線伝搬を支援する。
論文参考訳（メタデータ） (2025-12-04T16:35:09Z)
Unsupervised Radio Map Construction in Mixed LoS/NLoS Indoor Environments [34.91945910235526]
本稿では,チャネル伝播シーケンスから直接データ収集軌道を復元することを目的とする。提案手法は,室内環境における平均局部位置精度0.65mを実現する。
論文参考訳（メタデータ） (2025-10-09T09:53:24Z)
Large-Scale Model Enabled Semantic Communication Based on Robust Knowledge Distillation [45.347078403677216]
大規模モデル(LSM)は意味表現と理解に有効なフレームワークである。しかしながら、それらの直接的なデプロイメントは、しばしば高い計算複雑性とリソース要求によって妨げられる。本稿では,新しい知識蒸留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。
論文参考訳（メタデータ） (2025-08-04T07:47:18Z)
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)
Channel Fingerprint Construction for Massive MIMO: A Deep Conditional Generative Approach [65.47969413708344]
CF双生児の概念を導入し、条件付き生成拡散モデル(CGDM)を設計する。本研究では, 粗粒CFに条件付き観測された細粒CFの対数分布に対するエビデンスローバウンド(ELBO)を導出するために, 変分推論手法を用いる。提案手法は, ベースラインと比較して, 復元性能が著しく向上していることを示す。
論文参考訳（メタデータ） (2025-05-12T01:36:06Z)
RadioDiff: An Effective Generative Diffusion Model for Sampling-Free Dynamic Radio Map Construction [42.596399621642234]
無線マップ(RM)は、位置のみに基づいてパスロスを得ることができる有望な技術である。本稿では, サンプリングフリーのRM構造を条件付き生成問題としてモデル化し, 高品質なRM構造を実現するためにRadioDiffという名前の拡散拡散法を提案する。実験の結果,提案したRadioDiffは,3つの精度,構造的類似度,ピーク信号対雑音比の3つの指標において,最先端性能を実現していることがわかった。
論文参考訳（メタデータ） (2024-08-16T08:02:00Z)
Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
論文参考訳（メタデータ） (2023-10-01T05:07:17Z)
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。