論文の概要: Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition

• arxiv url: http://arxiv.org/abs/2602.04083v1
• Date: Tue, 03 Feb 2026 23:38:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.312435
• Title: Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition
• Title（参考訳）: テンソル分解によるパイロットリミットMIMOチャネルの構造インフォームド推定
• Authors: Alexandre Barbosa de Lima,
• Abstract要約: 本稿では、スパース観測から低ランクテンソル完備化としてパイロットリミテッドチャネル推定を定式化する。 合成チャネル実験による最小二乗平均二乗誤差(NMSE)の最小二乗平均誤差(LS)に対する改善 DeepMIMO線トレーシングチャネルの評価では、純粋なテンソル法よりも24-44%NMSEが減少している。
• 参考スコア（独自算出の注目度）: 51.56484100374058
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Channel estimation in wideband multiple-input multiple-output (MIMO) systems faces fundamental pilot overhead limitations in high-dimensional beyond-5G and sixth-generation (6G) scenarios. This paper presents a hybrid tensor-neural architecture that formulates pilot-limited channel estimation as low-rank tensor completion from sparse observations -- a fundamentally different setting from prior tensor methods that assume fully observed received signal tensors. A canonical polyadic (CP) baseline implemented via a projection-based scheme (Tucker completion under partial observations) and Tucker decompositions are compared under varying signal-to-noise ratio (SNR) and scattering conditions: CP performs well for specular channels matching the multipath model, while Tucker provides greater robustness under model mismatch. A lightweight three-dimensional (3D) U-Net learns residual components beyond the low-rank structure, bridging algebraic models and realistic propagation effects. Empirical recovery threshold analysis shows that sample complexity scales approximately with intrinsic model dimensionality $L(N_r + N_t + N_f)$ rather than ambient tensor size $N_r N_t N_f$, where $L$ denotes the number of dominant propagation paths. Experiments on synthetic channels demonstrate 10-20\,dB normalized mean-square error (NMSE) improvement over least-squares (LS) and orthogonal matching pursuit (OMP) baselines at 5-10\% pilot density, while evaluations on DeepMIMO ray-tracing channels show 24-44\% additional NMSE reduction over pure tensor-based methods.
• Abstract（参考訳）: 広帯域マルチインプット・マルチアウトプット(MIMO)システムにおけるチャネル推定は、5Gを超える高次元および6世代(6G)シナリオにおいて基本的なパイロットオーバーヘッドの制限に直面している。 本稿では,パイロット限定チャネル推定をスパース観測から低ランクテンソル完了として定式化するハイブリッドテンソル・ニューラルアーキテクチャを提案する。 プロジェクションベーススキーム(部分的な観測下でのタッカー完了)とタッカー分解を用いて実装された標準ポリアディック(CP)ベースラインを、様々な信号-雑音比(SNR)と散乱条件で比較する。 軽量な3次元U-Netは、低ランク構造を超えた残留成分、ブリッジング代数モデル、および現実的な伝播効果を学習する。 実験的回復しきい値解析により、サンプルの複雑さは、周囲テンソルサイズ$N_r N_t N_f$ではなく、内在モデル次元$L(N_r + N_t + N_f)$とほぼ一致することがわかった。 合成チャネルの実験では,最小二乗平均二乗誤差 (NMSE) の最小二乗平均二乗誤差 (LS) に対する10-20\,dB正規化平均二乗誤差 (NMSE) の改善と直交整合探索 (OMP) ベースラインのパイロット密度5-10\%,DeepMIMO 線トレーシングチャネルでの評価では純粋なテンソル法よりも24-44\%のNMSE削減が示されている。

関連論文リスト

• Low-Rank Tensor Recovery via Variational Schatten-p Quasi-Norm and Jacobian Regularization [49.85875869048434]
  暗黙的神経表現のためのニューラルネットワークによりパラメータ化されたCPベースの低ランクテンソル関数を提案する。 本研究では、スペーサーCP分解を実現するために、冗長なランク1成分に変分Schatten-p quasi-normを導入する。 滑らか性のために、ヤコビアンとハッチンソンのトレース推定器のスペクトルノルムに基づく正規化項を提案する。
  論文  参考訳（メタデータ） (2025-06-27T11:23:10Z)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• Structured Low-Rank Tensors for Generalized Linear Models [15.717917936953718]
  一般化線形モデル(GLM)問題における低分離ランク(LSR)と呼ばれる新しい低ランクテンソルモデルについて検討する。 LSRモデルは有名なTuckerとCANDECOMP/PARAFAC(CP)モデルを一般化する。 合成データセットの実験は、3つの回帰型に対して提案したLSRテンソルモデルの有効性を示した。
  論文  参考訳（メタデータ） (2023-08-05T17:20:41Z)
• Estimating Higher-Order Mixed Memberships via the $\ell_{2,\infty}$ Tensor Perturbation Bound [8.521132000449766]
  テンソルブロックモデルの一般化であるテンソル混合メンバーシップブロックモデルを提案する。 我々は,モデルの同定可能性を確立し,計算効率の良い推定手法を提案する。 本手法を実データおよびシミュレーションデータに適用し,個別のコミュニティメンバーシップを持つモデルから特定できない効果を示す。
  論文  参考訳（メタデータ） (2022-12-16T18:32:20Z)
• Truncated tensor Schatten p-norm based approach for spatiotemporal traffic data imputation with complicated missing patterns [77.34726150561087]
  本研究は, モード駆動繊維による3症例の欠失を含む, 4症例の欠失パターンについて紹介する。 本モデルでは, 目的関数の非性にもかかわらず, 乗算器の交互データ演算法を統合することにより, 最適解を導出する。
  論文  参考訳（メタデータ） (2022-05-19T08:37:56Z)
• Hybrid Far- and Near-Field Channel Estimation for THz Ultra-Massive MIMO via Fixed Point Networks [15.498866529344275]
  テラヘルツ超大容量多重出力(THz UM-MIMO)は6G無線システムのキーイネーブラーとして想定されている。 我々は適応的複雑性と線形収束保証を備えた効率的なディープラーニングに基づくチャネル推定器を開発した。 アルゴリズムの大きな革新は、任意の深さでニューラルネットワークをモデリングし、ハイブリッドフィールドのチャネル条件に適応しながら、チャネル推定を計算するために固定点を適用することである。
  論文  参考訳（メタデータ） (2022-05-10T14:57:56Z)
• DeepTensor: Low-Rank Tensor Decomposition with Deep Network Priors [45.183204988990916]
  DeepTensor(ディープテンソル)は、行列とテンソルの低ランク分解のためのフレームワークである。 3次元MRIトモグラフィー、画像分類など、様々な実世界の応用について検討する。
  論文  参考訳（メタデータ） (2022-04-07T01:09:58Z)
• Multi-Tensor Network Representation for High-Order Tensor Completion [25.759851542474447]
  この研究は、部分的に観察されたサンプリングから高次元データ(テンソルを参照)の完備化の問題を研究する。 テンソルは複数の低ランク成分の重ね合わせであると考える。 本稿では,基本テンソル分解フレームワークであるMulti-Tensor Network decomposition (MTNR)を提案する。
  論文  参考訳（メタデータ） (2021-09-09T03:50:19Z)
• Multi-View Spectral Clustering Tailored Tensor Low-Rank Representation [105.33409035876691]
  本稿では,テンソル低ランクモデルに基づくマルチビュースペクトルクラスタリング(MVSC)の問題について検討する。 MVSCに適合する新しい構造テンソル低ランクノルムを設計する。 提案手法は最先端の手法よりもかなり優れていることを示す。
  論文  参考訳（メタデータ） (2020-04-30T11:52:12Z)
• FPCR-Net: Feature Pyramidal Correlation and Residual Reconstruction for Optical Flow Estimation [72.41370576242116]
  フレーム対からの光フロー推定のための半教師付き特徴ピラミッド相関・残留再構成ネットワーク(FPCR-Net)を提案する。 ピラミッド相関マッピングと残留再構成の2つの主要なモジュールで構成されている。 実験結果から,提案手法は,平均終点誤差 (AEE) に対して0.80, 1.15, 0.10の改善を達成し,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） (2020-01-17T07:13:51Z)

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。