論文の概要: Deep Learning Based Channel Extrapolation for Dual-Band Massive MIMO Systems
- arxiv url: http://arxiv.org/abs/2601.06858v1
- Date: Sun, 11 Jan 2026 10:59:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-13 19:08:01.03411
- Title: Deep Learning Based Channel Extrapolation for Dual-Band Massive MIMO Systems
- Title（参考訳）: デュアルバンドMIMOシステムのためのディープラーニングに基づくチャネル外挿
- Authors: Qikai Xiao, Kehui Li, Binggui Zhou, Shaodan Ma,
- Abstract要約: サブ6GHz帯CSIをmmWave帯CSIに外挿するための効率的なtextbfMulti-textbfDomain textbfFusion textbfChannel textbfExtrapolator (MDFCE) を提案する。
数学的モデリングに基づく従来のチャネル外挿法とは異なり、提案したMDFCEは、エキスパートフレームワークとマルチヘッド自己認識機構を組み合わせたものである。
- 参考スコア（独自算出の注目度）: 20.91805869963071
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Future wireless communication systems will increasingly rely on the integration of millimeter wave (mmWave) and sub-6 GHz bands to meet heterogeneous demands on high-speed data transmission and extensive coverage. To fully exploit the benefits of mmWave bands in massive multiple-input multiple-output (MIMO) systems, highly accurate channel state information (CSI) is required. However, directly estimating the mmWave channel demands substantial pilot overhead due to the large CSI dimension and low signal-to-noise ratio (SNR) led by severe path loss and blockage attenuation. In this paper, we propose an efficient \textbf{M}ulti-\textbf{D}omain \textbf{F}usion \textbf{C}hannel \textbf{E}xtrapolator (MDFCE) to extrapolate sub-6 GHz band CSI to mmWave band CSI, so as to reduce the pilot overhead for mmWave CSI acquisition in dual band massive MIMO systems. Unlike traditional channel extrapolation methods based on mathematical modeling, the proposed MDFCE combines the mixture-of-experts framework and the multi-head self-attention mechanism to fuse multi-domain features of sub-6 GHz CSI, aiming to characterize the mapping from sub-6 GHz CSI to mmWave CSI effectively and efficiently. The simulation results demonstrate that MDFCE can achieve superior performance with less training pilots compared with existing methods across various antenna array scales and signal-to-noise ratio levels while showing a much higher computational efficiency.
- Abstract（参考訳）: 将来の無線通信システムは、高速データ伝送と広範囲のカバレッジに対する不均一な要求を満たすために、ミリ波(mmWave)とサブ6GHz帯の統合にますます依存する。
MIMO(Multiple-Input Multiple-output)システムにおけるmmWaveバンドの利点をフル活用するためには、高度に正確なチャネル状態情報(CSI)が必要である。
しかし、MmWaveチャネルを直接推定するには、大きなCSI次元と信号対雑音比(SNR)が大きな経路損失と閉塞の減衰によって引き起こされるため、かなりのパイロットオーバーヘッドが必要となる。
本稿では,サブ6GHz帯のCSIからmmWave帯のCSIへの外挿を行うために,効率の良い \textbf{M}ulti-\textbf{D}omain \textbf{F}usion \textbf{C}hannel \textbf{E}xtrapolator (MDFCE) を提案する。
数学モデルに基づく従来のチャネル外挿法とは異なり、MDFCEは、サブ6GHz CSIのマルチドメイン特徴を効果的に利用し、サブ6GHz CSIからmmWave CSIへのマッピングを効果的に評価することを目的として、MDFCEとMulti-head自己保持機構を組み合わせた。
シミュレーションの結果,MDFCEは,各種アンテナアレイスケールおよび信号-雑音比レベルにまたがる既存の手法と比較して,より少ない訓練パイロットで優れた性能を達成でき,計算効率も向上することが示された。
関連論文リスト
- 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) - Joint Channel Estimation and Computation Offloading in Fluid Antenna-assisted MEC Networks [81.36647816787713]
チャネル推定の遅延を最小限に抑えるためのFA支援オフロードフレームワークを提案する。
提案方式は,効率的な通信を行う場合の精度を大幅に低下させることを示す。
論文 参考訳（メタデータ） (2025-09-16T08:48:44Z) - Low-Overhead Channel Estimation via 3D Extrapolation for TDD mmWave Massive MIMO Systems Under High-Mobility Scenarios [41.213515826100696]
高モビリティのシナリオでは、チャネルの老朽化のため、頻繁にアップリンクチャネルを推定する必要がある。
本稿では,空間,周波数,時間領域にまたがる3領域(3D)チャネル外挿フレームワークを提案する。
数値実験の結果,提案手法はパイロット訓練のオーバーヘッドを16倍に抑えることができた。
論文 参考訳（メタデータ） (2024-06-13T07:42:25Z) - Joint Channel Estimation and Feedback with Masked Token Transformers in
Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。
エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。
提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文 参考訳（メタデータ） (2023-06-08T06:15:17Z) - Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。
推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。
提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
論文 参考訳（メタデータ） (2021-07-27T06:57:56Z) - Deep Learning Based Hybrid Precoding in Dual-Band Communication Systems [34.03893373401685]
本研究では,サブ6GHz帯から抽出した空間的・時間的情報を用いてミリ波帯のビームを予測・追跡する深層学習手法を提案する。
サブ6GHz帯とミリ波帯の両方で動作するデュアルバンド通信システムについて検討する。
論文 参考訳（メタデータ） (2021-07-16T12:10:32Z) - 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 Learning Based Antenna Selection for Channel Extrapolation in FDD
Massive MIMO [54.54508321463112]
大規模なマルチインプット多重出力(MIMO)システムでは、多数のアンテナが正確なチャネル状態情報を取得する上で大きな課題となる。
ニューラルネットワーク(NN)を用いて、アップリンクとダウンリンクチャネルデータセット間の固有の接続を捕捉し、アップリンクチャネル状態情報のサブセットからダウンリンクチャネルを外挿する。
アンテナサブセット選択問題について検討し、最高のチャネル外挿を実現し、NNのデータサイズを小さくする。
論文 参考訳（メタデータ） (2020-09-03T13:38:52Z) - 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) - Learning Based Hybrid Beamforming Design for Full-Duplex Millimeter Wave
Systems [22.478350298755892]
我々は、FD mmWaveシステムのためのHBF設計のための2つの学習スキーム、すなわち、極端な学習マシンベースのHBFと畳み込みニューラルネットワークベースのHBFを提案する。
その結果、どちらの学習ベーススキームもより堅牢なHBF性能を実現し、少なくとも22.1%のスペクトル効率が得られることが示された。
論文 参考訳（メタデータ） (2020-04-16T15:48:57Z)
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。