論文の概要: Attention-Based SINR Estimation in User-Centric Non-Terrestrial Networks

• arxiv url: http://arxiv.org/abs/2602.21116v1
• Date: Tue, 24 Feb 2026 17:12:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-25 17:34:53.856646
• Title: Attention-Based SINR Estimation in User-Centric Non-Terrestrial Networks
• Title（参考訳）: ユーザ中心の非地球ネットワークにおける注意に基づくSINR推定
• Authors: Bruno De Filippo, Alessandro Guidotti, Alessandro Vanelli-Coralli,
• Abstract要約: 衛星ベース非地球ネットワーク(NTN)におけるユーザ中心ビームフォーミングの性能最適化の中心は、SINR(Signal-to-Interference-plus-noise ratio)である。 マルチヘッド自己アテンション(MHSA)を利用した低複雑さSINR推定フレームワークを提案する。 いずれのDMHSAモデルも高い推定精度を維持しており、ルート平均2乗誤差は通常1dB以下であり、優先度待ち型スケジュールユーザである。
• 参考スコア（独自算出の注目度）: 79.40703093824894
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The signal-to-interference-plus-noise ratio (SINR) is central to performance optimization in user-centric beamforming for satellite-based non-terrestrial networks (NTNs). Its assessment either requires the transmission of dedicated pilots or relies on computing the beamforming matrix through minimum mean squared error (MMSE)-based formulations beforehand, a process that introduces significant computational overhead. In this paper, we propose a low-complexity SINR estimation framework that leverages multi-head self-attention (MHSA) to extract inter-user interference features directly from either channel state information or user location reports. The proposed dual MHSA (DMHSA) models evaluate the SINR of a scheduled user group without requiring explicit MMSE calculations. The architecture achieves a computational complexity reduction by a factor of three in the CSI-based setting and by two orders of magnitude in the location-based configuration, the latter benefiting from the lower dimensionality of user reports. We show that both DMHSA models maintain high estimation accuracy, with the root mean squared error typically below 1 dB with priority-queuing-based scheduled users. These results enable the integration of DMHSA-based estimators into scheduling procedures, allowing the evaluation of multiple candidate user groups and the selection of those offering the highest average SINR and capacity.
• Abstract（参考訳）: 衛星ベース非地球ネットワーク(NTN)におけるユーザ中心ビームフォーミングの性能最適化の中心は、SINR(Signal-to-Interference-plus-noise ratio)である。 その評価は、専用パイロットの送信を必要とするか、あるいは最小平均二乗誤差(MMSE)に基づく定式化によるビームフォーミング行列の計算に依存している。 本稿では、マルチヘッド自己注意(MHSA)を利用して、チャネル状態情報またはユーザ位置情報から直接ユーザ間干渉特徴を抽出する低複雑さSINR推定フレームワークを提案する。 提案した2つのMHSA(DMHSA)モデルは、明示的なMMSE計算を必要とせず、スケジュールされたユーザグループのSINRを評価する。 アーキテクチャは、CSIベースの設定で3倍、位置ベースの設定で2桁の計算複雑性を減らし、後者はユーザーレポートの低次元性から恩恵を受ける。 いずれのDMHSAモデルも高い推定精度を維持しており、ルート平均2乗誤差は通常1dB以下であり、優先度待ち型スケジュールユーザである。 これらの結果から、DMHSAベースの推定器をスケジューリング手順に統合し、複数の候補ユーザグループの評価と、最も平均的なSINRとキャパシティを提供するグループの選択を可能にする。

関連論文リスト

• Robust Second-order LiDAR Bundle Adjustment Algorithm Using Mean Squared Group Metric [5.153195958837083]
  我々は,LiDAR BAアルゴリズムの最適化目標を構築するために,新しい平均2乗群計量(MSGM)を提案する。 堅牢なカーネル関数を統合することで、BAアルゴリズムに関わるメトリクスを再重み付けし、ソリューションプロセスの堅牢性を高める。
  論文  参考訳（メタデータ） (2024-09-03T12:53:39Z)
• Extreme Learning Machine-based Channel Estimation in IRS-Assisted Multi-User ISAC System [32.74137740936128]
  本稿では、IRS支援マルチユーザISACシステムに対して、初めて実用的なチャネル推定手法を提案する。 全体推定問題をサブ1に転送する2段階の手法を提案する。 ISAC BSとダウンリンクユーザの低コスト要求を考慮して、提案した2段階のアプローチは、効率的なニューラルネットワーク(NN)フレームワークによって実現されている。
  論文  参考訳（メタデータ） (2024-01-29T14:15:11Z)
• Task-Oriented Sensing, Computation, and Communication Integration for Multi-Device Edge AI [108.08079323459822]
  本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。 推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
  論文  参考訳（メタデータ） (2022-07-03T06:57:07Z)
• Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
  狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。 導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
  論文  参考訳（メタデータ） (2022-05-22T12:16:43Z)
• 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)
• State and Topology Estimation for Unobservable Distribution Systems using Deep Neural Networks [8.673621107750652]
  リアルタイムオブザーバビリティが制限されているため,再構成可能な分散ネットワークの時間同期状態推定は困難である。 本論文では,深層学習(DL)に基づくトポロジー同定(TI)と不均衡な3相分布系状態推定(DSSE)の手法を定式化する。 2つのディープニューラルネットワーク(DNN)は、同期失調症測定装置(SMD)によって不完全に観察されるシステムに対して、TIおよびDSSEを実装するために順次動作するように訓練されます。
  論文  参考訳（メタデータ） (2021-04-15T02:46:50Z)
• LoRD-Net: Unfolded Deep Detection Network with Low-Resolution Receivers [104.01415343139901]
  本稿では,1ビット計測から情報シンボルを復元する「LoRD-Net」というディープ検出器を提案する。 LoRD-Netは、関心のシグナルを回復するためのタスクベースのアーキテクチャである。 無線通信における1ビット信号回復のためのレシーバアーキテクチャの評価を行った。
  論文  参考訳（メタデータ） (2021-02-05T04:26:05Z)
• RIS Enhanced Massive Non-orthogonal Multiple Access Networks: Deployment and Passive Beamforming Design [116.88396201197533]
  再構成可能なインテリジェントサーフェス(RIS)の配置と受動ビームフォーミング設計のための新しいフレームワークを提案する。 エネルギー効率を最大化するために、共同配置、位相シフト設計、および電力配分の問題を定式化する。 リアルタイムデータセットを活用することで,ユーザの遠隔交通需要を予測するために,LSTM(Long Short-term memory)ベースのエコー状態ネットワーク(ESN)アルゴリズムを提案する。 RISの展開と設計の連立問題を解くために,D3QNに基づく位置取得と位相制御アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-01-28T14:37:38Z)

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。