論文の概要: End-to-End NOMA with Perfect and Quantized CSI Over Rayleigh Fading Channels

• arxiv url: http://arxiv.org/abs/2602.13446v1
• Date: Fri, 13 Feb 2026 20:49:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 14:17:28.036779
• Title: End-to-End NOMA with Perfect and Quantized CSI Over Rayleigh Fading Channels
• Title（参考訳）: Rayleigh Fading Channel上での完全かつ量子化されたCSIを用いたエンド・ツー・エンドNOMA
• Authors: Selma Benouadah, Mojtaba Vaezi, Ruizhan Shen, Hamid Jafarkhani,
• Abstract要約: エンド・ツー・エンドのオートエンコーダ(AE)フレームワークはレイリーフェディングチャネル上の非直交多重アクセス(NOMA)をダウンリンクするために開発された。 我々のフレームワークは、無線チャネルをトレーニングと推論の両方に埋め込む。
• 参考スコア（独自算出の注目度）: 17.708177567358454
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: An end-to-end autoencoder (AE) framework is developed for downlink non-orthogonal multiple access (NOMA) over Rayleigh fading channels, which learns interference-aware and channel-adaptive super-constellations. While existing works either assume additive white Gaussian noise channels or treat fading channels without a fully end-to-end learning approach, our framework directly embeds the wireless channel into both training and inference. To account for practical channel state information (CSI), we further incorporate limited feedback via both uniform and Lloyd-Max quantization of channel gains and analyze their impact on AE training and bit error rate (BER) performance. Simulation results show that, with perfect CSI, the proposed AE outperforms the existing analytical NOMA schemes. In addition, Lloyd-Max quantization achieves superior BER performance compared to uniform quantization. These results demonstrate that end-to-end AEs trained directly over Rayleigh fading can effectively learn robust, interference-aware signaling strategies, paving the way for NOMA deployment in fading environments with realistic CSI constraints.
• Abstract（参考訳）: エンド・ツー・エンドのオートエンコーダ(AE)フレームワークはレイリーフェディングチャネル上の非直交多重アクセス(NOMA)をダウンリンクするために開発され、干渉認識とチャネル適応型スーパーコンステレーションを学習する。 既存の研究では、付加的なホワイトガウスノイズチャネルを仮定するか、完全にエンドツーエンドの学習アプローチを使わずにフェージングチャネルを扱いますが、我々のフレームワークはトレーニングと推論の両方にワイヤレスチャネルを直接埋め込んでいます。 実用的なチャネル状態情報 (CSI) を考慮し, チャネルゲインの均一化とロイド-マックス量子化による限られたフィードバックを取り入れ, AE トレーニングとビット誤り率 (BER) のパフォーマンスへの影響を解析する。 シミュレーションの結果、完全CSIでは、提案されたAEは既存の解析的NOMAスキームよりも優れていた。 さらに、ロイド-マックス量子化は均一量子化よりも優れたBER性能を達成する。 これらの結果は、レイリーフェーディングを直接訓練したエンドツーエンドのAEが、現実的なCSI制約のあるフェーディング環境におけるNOMA展開の道を開いた、堅牢で干渉対応のシグナリング戦略を効果的に学習できることを実証している。

関連論文リスト

• A PAC-Bayesian Analysis of Channel-Induced Degradation in Edge Inference [22.97773242617207]
  本稿では,チャネル統計を直接重み空間に組み込む拡張NNモデルを提案する。 我々は、無線歪みの影響を明示的に定量化するPAC-ベイズ一般化境界を導出する。 そこで本稿では, チャネル認識型学習アルゴリズムを提案し, 導出した境界値に基づいて代理対象を最小化する。
  論文  参考訳（メタデータ） (2026-01-16T00:10:17Z)
• Rethinking Transformer-Based Blind-Spot Network for Self-Supervised Image Denoising [94.09442506816724]
  BSN(Blind-spot Network)は、自己教師付き画像復調(SSID)におけるニューラルネットワークアーキテクチャとして広く使われている。 本研究では,Transformer ベースの Blind-Spot Network (TBSN) を構築した。
  論文  参考訳（メタデータ） (2024-04-11T15:39:10Z)
• Physics-Inspired Deep Learning Anti-Aliasing Framework in Efficient Channel State Feedback [25.68689988641748]
  この研究は、アンダーサンプリングによるギャップに対処するための後処理ソリューションとして、gNBで新しいCSIアップサンプリングフレームワークを導入している。 また,提案したアルゴリズムをISTA-Netアーキテクチャと統合する学習手法を開発した。 以上の結果から,ルールベースと深層学習の両手法が従来の手法や最先端の手法よりも性能的に優れていたことが示唆された。
  論文  参考訳（メタデータ） (2024-03-12T23:40:51Z)
• Adaptive Federated Learning Over the Air [108.62635460744109]
  オーバー・ザ・エア・モデル・トレーニングの枠組みの中で,適応勾配法,特にAdaGradとAdamの連合バージョンを提案する。 解析の結果,AdaGrad に基づくトレーニングアルゴリズムは $mathcalO(ln(T) / T 1 - frac1alpha の速度で定常点に収束することがわかった。
  論文  参考訳（メタデータ） (2024-03-11T09:10:37Z)
• Hybrid Knowledge-Data Driven Channel Semantic Acquisition and Beamforming for Cell-Free Massive MIMO [6.010360758759109]
  本稿では、ユビキタス・拡張現実(XR)アプリケーションのサポートを改善するために、屋外無線システムの進歩に焦点を当てる。 セルレス大規模マルチインプットマルチアウトプット(MIMO)システムにおいて,チャネル意味獲得とマルチユーザビームフォーミングのためのハイブリッド知識データ駆動方式を提案する。
  論文  参考訳（メタデータ） (2023-07-06T15:35:55Z)
• 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 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)

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。