論文の概要: Cross-Attention Transformer for Joint Multi-Receiver Uplink Neural Decoding

• arxiv url: http://arxiv.org/abs/2602.04728v1
• Date: Wed, 04 Feb 2026 16:34:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.627516
• Title: Cross-Attention Transformer for Joint Multi-Receiver Uplink Neural Decoding
• Title（参考訳）: マルチレシーバアップリンク型ニューラルデコードのためのクロスアテンション変換器
• Authors: Xavier Tardy, Grégoire Lefebvre, Apostolos Kountouris, Haïfa Fares, Amor Nafkha,
• Abstract要約: 我々はOFDM信号の連成復号化のためのクロスアテンション変換器を提案する。 共有受信者エンコーダは、受信された各グリッド内の時間周波数構造を学習する。 トークンワイドのクロスアテンションモジュールは、受信機を融合させ、標準チャネルデコーダに対してソフトなログライクな比率を生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a cross-attention Transformer for joint decoding of uplink OFDM signals received by multiple coordinated access points. A shared per-receiver encoder learns time-frequency structure within each received grid, and a token-wise cross-attention module fuses the receivers to produce soft log-likelihood ratios for a standard channel decoder, without requiring explicit per-receiver channel estimates. Trained with a bit-metric objective, the model adapts its fusion to per-receiver reliability, tolerates missing or degraded links, and remains robust when pilots are sparse. Across realistic Wi-Fi channels, it consistently outperforms classical pipelines and strong convolutional baselines, frequently matching (and in some cases surpassing) a powerful baseline that assumes perfect channel knowledge per access point. Despite its expressiveness, the architecture is compact, has low computational cost (low GFLOPs), and achieves low latency on GPUs, making it a practical building block for next-generation Wi-Fi receivers.
• Abstract（参考訳）: 複数の座標アクセスポイントから受信されるアップリンクOFDM信号の連成復号化のためのクロスアテンション変換器を提案する。 共有受信者エンコーダは、受信された各グリッド内の時間周波数構造を学習し、トークン単位のクロスアテンションモジュールは、レシーバを融合させ、明示的な受信者チャネル推定を必要とせず、標準チャネルデコーダに対してソフトログライクな比率を生成する。 ビットメトリックの目標で訓練されたこのモデルは、その融合を受信者毎の信頼性に適応させ、欠落または劣化したリンクを許容し、パイロットが疎結合である場合にも頑健である。 リアルなWi-Fiチャネル全体では、古典的なパイプラインと強力な畳み込みベースラインを一貫して上回り、アクセスポイント当たりの完全なチャネル知識を前提とした強力なベースラインを頻繁にマッチングする(場合によっては超える)。 その表現力にもかかわらず、アーキテクチャはコンパクトであり、計算コストが低く(低GFLOP)、GPUの低レイテンシを実現し、次世代Wi-Fi受信機のための実用的なビルディングブロックとなっている。

関連論文リスト

• Land-then-transport: A Flow Matching-Based Generative Decoder for Wireless Image Transmission [38.71668959954467]
  低遅延デコーディングのためのフローマッチング生成デコーダを提案する。 JPEG2000+LDPC、DeepJSCC、拡散ベースラインに対して一貫した利得を示す実験がある。 LTTは、無線画像デコード生成のための決定論的、物理的に解釈可能、効率的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2026-01-12T13:09:37Z)
• Context Video Semantic Transmission with Variable Length and Rate Coding over MIMO Channels [49.624608869195065]
  無線ビデオ伝送のためのコンテキストビデオセマンティックトランスミッション(CVST)フレームワークを提案する。 我々は、特徴群と多重入力多重出力(MIMO)サブチャネルの関係を明確に定式化するために、コンテキストチャネル相関マップを学習する。 近年の無線ビデオ・セマンティック・コミュニケーション・アプローチにおいて,標準化された分離符号化方式に対して性能が大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2025-12-23T10:48:43Z)
• Resi-VidTok: An Efficient and Decomposed Progressive Tokenization Framework for Ultra-Low-Rate and Lightweight Video Transmission [35.3961976297755]
  Resi-VidTokは、超低レートで軽量なビデオ伝送のためのレジリエント・トークン化対応フレームワークである。 重要なコントリビューションは、差分時間トークンコーディングを統合するビデオのためのレジリエントな1Dトークン化パイプラインである。 その結果, チャネル帯域幅比 (CBR) が0.0004, 30fps以上のリアルタイム再構成では, 頑健な視覚的・意味的整合性を示した。
  論文  参考訳（メタデータ） (2025-10-28T22:02:36Z)
• 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)
• Deep Reinforcement Learning for IRS Phase Shift Design in Spatiotemporally Correlated Environments [93.30657979626858]
  本稿では,チャネル相関と目的地動きを考慮したディープアクター批判アルゴリズムを提案する。 チャネルが時間的に相関している場合、コンバージェンスを抑制する方法において、関数近似を伴う状態表現にSNRを組み込むことが示される。
  論文  参考訳（メタデータ） (2022-11-02T22:07:36Z)
• Fault-tolerant Coding for Entanglement-Assisted Communication [46.0607942851373]
  本稿では,量子チャネルに対するフォールトトレラントチャネル符号化の研究について述べる。 我々は、フォールトトレラント量子コンピューティングの手法を用いて、このシナリオで古典的および量子的情報を送信するための符号化定理を確立する。 特に,ゲートエラーがゼロに近づくと,耐故障能力が通常のキャパシティに近づくことを示す。
  論文  参考訳（メタデータ） (2022-10-06T14:09:16Z)
• 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)
• Deep Learning Based Antenna-time Domain Channel Extrapolation for Hybrid mmWave Massive MIMO [30.201881862681972]
  本研究では,部分的なアップリンクチャネルから基地局の全ダウンリンクチャネルへのマッピング関数を学習するために,潜在常微分方程式(ODE)に基づくネットワークを設計する。 シミュレーションの結果,設計したネットワークは,部分的なアップリンクチャネルから全ダウンリンクチャネルを効率的に推測できることがわかった。
  論文  参考訳（メタデータ） (2021-08-09T11:12:46Z)
• End-to-End Learning for Uplink MU-SIMO Joint Transmitter and Non-Coherent Receiver Design in Fading Channels [11.182920270301304]
  JTRD-Netと呼ばれる新しいエンドツーエンド学習手法が提案され、マルチユーザシングルインプットマルチ出力(MU-SIMO)ジョイントトランスミッタとフェーディングチャネルにおける非コヒーレントレシーバー設計(JTRD)をアップリンクする。 送信側は、マルチユーザー波形設計を担当する並列線形層のグループとしてモデル化されています。 非コヒーレント受信機は、マルチユーザ検出(MUD)機能を提供するために、ディープフィードフォワードニューラルネットワーク(DFNN)によって形成される。
  論文  参考訳（メタデータ） (2021-05-04T02:47:59Z)
• 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)

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。