論文の概要: Wavenumber-domain signal processing for holographic MIMO: Foundations, methods, and future directions
- arxiv url: http://arxiv.org/abs/2602.17705v1
- Date: Mon, 09 Feb 2026 16:34:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-02 07:21:25.54573
- Title: Wavenumber-domain signal processing for holographic MIMO: Foundations, methods, and future directions
- Title（参考訳）: ホログラフィックMIMOのための波数領域信号処理:基礎,方法,今後の方向性
- Authors: Zijian Zhang, Linglong Dai,
- Abstract要約: ホログラフィック多重出力多重出力(H-MIMO)システムは無線通信におけるパラダイムシフトを表す。
本稿では,H-MIMOの概念とH-MIMOチャネルの波数表現を紹介する。
本論文は、多重化、チャネル推定、波形設計など、文献で報告されている波数領域信号処理技術について詳述する。
- 参考スコア（独自算出の注目度）: 37.16095417852019
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Holographic multiple-input multiple-output (H-MIMO) systems represent a paradigm shift in wireless communications by enabling quasi-continuous apertures. Unlike conventional MIMO systems, H-MIMO with subwavelength antenna spacing operates in both far-field and near-field regimes, where classical discrete Fourier transform (DFT) representations fail to sufficiently capture the channel characteristics. To address this challenge, this article provides an overview of the emerging wavenumber-domain signal processing framework. Specifically, by leveraging spatial Fourier plane-wave decomposition to model H-MIMO channels, the wavenumber domain offers a unified and physically consistent basis for characterizing subwavelength-level spatial correlation and spherical wave propagation. This article first introduces the concept of H-MIMO and the wavenumber representation of H-MIMO channels. Next, it elaborates on wavenumber-domain signal processing technologies reported in the literature, including multiplexing, channel estimation, and waveform designs. Finally, it highlights open challenges and outlines future research directions in wavenumber-domain signal processing for next-generation wireless systems.
- Abstract（参考訳）: ホログラフィックマルチインプット多重出力(H-MIMO)システムは、準連続開口を実現することで無線通信のパラダイムシフトを表す。
従来のMIMOシステムとは異なり、サブ波長アンテナ間隔を持つH-MIMOは、従来の離散フーリエ変換(DFT)表現がチャネル特性を十分に捉えることができない遠方界と近方界の両方で動作している。
この課題に対処するために,本論文では,新たな波数領域信号処理フレームワークの概要を紹介する。
具体的には、空間フーリエ平面波の分解を利用してH-MIMOチャネルをモデル化することにより、波数領域は、サブ波長レベルの空間相関と球面波伝播を特徴付ける統一的で物理的に一貫した基盤を提供する。
本稿ではまず,H-MIMOの概念とH-MIMOチャネルの波数表現について紹介する。
次に、多重化、チャネル推定、波形設計など、文献で報告されている波数領域信号処理技術について詳述する。
最後に、オープンな課題を強調し、次世代無線システムのための波数領域信号処理における今後の研究の方向性を概説する。
関連論文リスト
- WaveFormer: Wavelet Embedding Transformer for Biomedical Signals [1.2922946578413579]
本稿では,ウェーブレット分解を2つの重要な段階(埋め込み構造と位置符号化)で統合するトランスフォーマーアーキテクチャを提案する。
我々は、ウェーブフォーマーを、人間の活動認識と脳信号分析にまたがる8つの多様なデータセット上で評価し、シーケンスの長さは50から3000のタイムステップとチャネル数(1から144)である。
論文 参考訳（メタデータ） (2026-02-12T17:20:43Z) - Deep Learning Based Channel Extrapolation for Dual-Band Massive MIMO Systems [20.91805869963071]
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。
論文 参考訳（メタデータ） (2026-01-11T10:59:22Z) - WaveSeg: Enhancing Segmentation Precision via High-Frequency Prior and Mamba-Driven Spectrum Decomposition [61.3530659856013]
本稿では,空間およびウェーブレット領域の機能改善を共同で最適化する新しいデコーダアーキテクチャであるWaveSegを提案する。
高周波成分は、まず入力画像から、境界の詳細を強化するために明示的な先行として学習される。
標準ベンチマークの実験では、Mambaベースの注目に先立ってウェーブレット-ドメイン周波数を利用するWaveSegが、常に最先端のアプローチより優れていることが示されている。
論文 参考訳（メタデータ） (2025-10-24T01:41:31Z) - Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection [67.84730634802204]
リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。
既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の限られた多様性は微妙な変化領域の検出を妨げる。
本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。
論文 参考訳（メタデータ） (2025-08-07T11:14:16Z) - Robustness of WDM technique for the co-propagation of quantum with classical signals in an optical fiber [1.6999370482438731]
We study the evolution of co-proagating quantum and classical signals which are launched using WDM。
計算によると 古典的なチャンネルから 一番近いチャンネルは 2つしかない
これは、WDM技法が古典的なデータトラフィックへの弱い量子リンクの統合において原則として堅牢であることを反映している。
論文 参考訳（メタデータ） (2024-11-25T21:22:47Z) - Machine learning for phase-resolved reconstruction of nonlinear ocean
wave surface elevations from sparse remote sensing data [37.69303106863453]
ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。
提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
論文 参考訳（メタデータ） (2023-05-18T12:30:26Z) - On Neural Architectures for Deep Learning-based Source Separation of
Co-Channel OFDM Signals [104.11663769306566]
周波数分割多重化(OFDM)信号を含む単一チャネル音源分離問題について検討する。
我々はOFDM構造からの洞察に基づいて、ネットワークパラメータ化に対する重要なドメインインフォームド修正を提案する。
論文 参考訳（メタデータ） (2023-03-11T16:29:13Z) - Deep Generative Models for Downlink Channel Estimation in FDD Massive
MIMO Systems [13.267048706241157]
この課題に対処するために, 深部生成モデル(DGM)に基づく手法を提案する。
アップリンクチャネルとダウンリンクチャネルの部分的相互性を実行し、まず、周波数非依存のチャネルパラメータを推定する。
次に、各伝搬路の位相である周波数固有チャネルパラメータをダウンリンクトレーニングにより推定する。
論文 参考訳（メタデータ） (2022-03-09T18:32:10Z) - Three-Way Deep Neural Network for Radio Frequency Map Generation and
Source Localization [67.93423427193055]
空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。
本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
論文 参考訳（メタデータ） (2021-11-23T22:25:10Z) - CNN based Channel Estimation using NOMA for mmWave Massive MIMO System [0.0]
本稿では,ハイブリッドアーキテクチャ上に構築されたミリ波(mmWave)系のチャネルを推定するための畳み込みニューラルネットワーク手法を提案する。
まず、受信した信号からチャネルの粗い推定を行う。
数値図は,提案手法が最小二乗推定,最小平均二乗誤差(MMSE)推定を上回り,クラマー・ラオ境界(CRB)に近いことを示す。
論文 参考訳（メタデータ） (2021-08-01T05:33:55Z) - 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。