論文の概要: Precoding-Oriented CSI Feedback Design with Mutual Information Regularized VQ-VAE

• arxiv url: http://arxiv.org/abs/2602.02508v1
• Date: Thu, 22 Jan 2026 18:47:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-09 02:03:42.41089
• Title: Precoding-Oriented CSI Feedback Design with Mutual Information Regularized VQ-VAE
• Title（参考訳）: 相互情報正規化VQ-VAEを用いたプリコーディング指向CSIフィードバック設計
• Authors: Xi Chen, Homa Esfahanizadeh, Foad Sohrabi,
• Abstract要約: 本稿では,ベクトル量子化変分オートエンコーダに基づくプリコーディング指向CSIフィードバックフレームワークを提案する。 数値計算により,提案手法は可変長ニューラル圧縮方式に匹敵する速度を達成できることを示した。
• 参考スコア（独自算出の注目度）: 7.998767647416901
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Efficient channel state information (CSI) compression at the user equipment plays a key role in enabling accurate channel reconstruction and precoder design in massive multiple-input multiple-output systems. A key challenge lies in balancing the CSI feedback overhead with the achievable downlink rate, i.e., maximizing the utility of limited feedback to maintain high system performance. In this work, we propose a precoding-oriented CSI feedback framework based on a vector quantized variational autoencoder, augmented with an information-theoretic regularization. To achieve this, we introduce a differentiable mutual information lower-bound estimator as a training regularizer to promote effective utilization of the learned codebook under a fixed feedback budget. Numerical results demonstrate that the proposed method achieves rates comparable to variable-length neural compression schemes, while operating with fixed-length feedback. Furthermore, the learned codewords exhibit significantly more uniform usage and capture interpretable structures that are strongly correlated with the underlying channel state information.
• Abstract（参考訳）: ユーザ機器における効率の良いチャネル状態情報(CSI)圧縮は、大規模なマルチインプットマルチアウトプットシステムにおいて、正確なチャネル再構成とプリコーダ設計を可能にする上で重要な役割を果たす。 重要な課題は、CSIのフィードバックのオーバーヘッドと達成可能なダウンリンク率のバランス、すなわち、システム性能を維持するために限られたフィードバックの有用性を最大化することである。 本研究では,ベクトル量子化変分オートエンコーダに基づく事前符号化指向のCSIフィードバックフレームワークを提案する。 そこで本研究では,学習用コードブックの有効活用を促進するためのトレーニング正則化器として,相互情報の低バウンド推定器を導入する。 数値計算により,提案手法は可変長のニューラル圧縮スキームに匹敵する速度を達成し,一定長のフィードバックで動作可能であることを示す。 さらに、学習したコードワードは、基礎となるチャネル状態情報と強く相関する、より均一な使用法を示し、解釈可能な構造をキャプチャする。

関連論文リスト

• Residual Cross-Attention Transformer-Based Multi-User CSI Feedback with Deep Joint Source-Channel Coding [11.692049253618546]
  本稿では,大規模マルチインプットマルチアウトプットシステムのための,ディープラーニング(DL)ベースのマルチユーザチャネル状態情報(CSI)フィードバックフレームワークを提案する。 マルチユーザ共同CSIフィードバックフレームワークを設計し、近隣ユーザのCSI相関を利用してフィードバックのオーバーヘッドを低減する。 実験により,ネットワークの複雑度が低く,スケーラビリティが向上したCSIフィードバック性能において,提案手法の優位性が示された。
  論文  参考訳（メタデータ） (2025-05-26T03:38:08Z)
• Epsilon-VAE: Denoising as Visual Decoding [61.29255979767292]
  復号化は1段階の再構成から反復的改良へと移行する。 具体的には、デコーダを拡散処理に置き換え、ノイズを反復的に改善して元の画像を復元する。 拡散による反復的再構成により, 自己エンコーダであるEpsilon-VAEは高い再構成品質を実現する。
  論文  参考訳（メタデータ） (2024-10-05T08:27:53Z)
• 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)
• Precoding-oriented Massive MIMO CSI Feedback Design [18.61287505809249]
  周波数分割二重化(FDD)システムにおけるMIMOプリコーディングアルゴリズムのダウンリンクは、ユーザからの正確なチャネル状態情報(CSI)フィードバックに依存している。 本稿では,CSIフィードバックのオーバーヘッドとユーザによるシステムにおける性能のトレードオフを,達成可能な速度で解析する。 エンド・ツー・エンドのプリコーディング指向のフィードバックアーキテクチャを設計するために、ディープラーニングベースのアプローチを採用しています。
  論文  参考訳（メタデータ） (2023-02-22T18:04:02Z)
• Learning Representations for CSI Adaptive Quantization and Feedback [51.14360605938647]
  本稿では,周波数分割二重化システムにおける適応量子化とフィードバックの効率的な手法を提案する。 既存の研究は主に、CSI圧縮のためのオートエンコーダ(AE)ニューラルネットワークの実装に焦点を当てている。 1つはポストトレーニング量子化に基づくもので、もう1つはAEのトレーニング中にコードブックが見つかる方法である。
  論文  参考訳（メタデータ） (2022-07-13T08:52:13Z)
• Overview of Deep Learning-based CSI Feedback in Massive MIMO Systems [77.0986534024972]
  ディープラーニング(DL)ベースのCSIフィードバックは、DLベースのオートエンコーダによるCSI圧縮と再構築を指し、フィードバックオーバーヘッドを大幅に削減することができる。 その焦点は、CSIフィードバックの正確性を改善するために、新しいニューラルネットワークアーキテクチャとコミュニケーション専門家の知識の利用である。
  論文  参考訳（メタデータ） (2022-06-29T03:28:57Z)
• CCVS: Context-aware Controllable Video Synthesis [95.22008742695772]
  プレゼンテーションでは、古いビデオクリップから新しいビデオクリップを合成するための自己教師付き学習アプローチを紹介している。 時間的連続性のための文脈情報と微妙な制御のための補助情報に基づいて合成過程を規定する。
  論文  参考訳（メタデータ） (2021-07-16T17:57:44Z)
• Deep Learning-based Implicit CSI Feedback in Massive MIMO [68.81204537021821]
  ニューラルネットワーク(NN)を用いて,プリコーディング行列インジケータ(PMI)符号化とデコードモジュールを置き換える,低オーバヘッド特性を継承するDLベースの暗黙的フィードバックアーキテクチャを提案する。 1つのリソースブロック(RB)では、2つのアンテナ構成下のタイプIコードブックと比較して25.0%と40.0%のオーバーヘッドを節約できる。
  論文  参考訳（メタデータ） (2021-05-21T02:43:02Z)
• A Markovian Model-Driven Deep Learning Framework for Massive MIMO CSI Feedback [32.442094263278605]
  前向きチャネル状態情報(CSI)は、MIMO(Multiple-input multiple-output)通信システムにおける送信最適化において重要な役割を果たす。 リカレントニューラルネットワーク(RNN)の使用に関する最近の研究は、計算とメモリのコストは高いが、強い確証を示している。 本研究では,フィードバック効率を大幅に向上させるために,チャネルコヒーレンスを時間内に活用する。
  論文  参考訳（メタデータ） (2020-09-20T16:26:12Z)

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。