Fugu-MT 論文翻訳(概要): Dual-Attention Based 3D Channel Estimation

論文の概要: Dual-Attention Based 3D Channel Estimation

arxiv url: http://arxiv.org/abs/2604.01769v1
Date: Thu, 02 Apr 2026 08:37:05 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-03 14:21:10.619037
Title: Dual-Attention Based 3D Channel Estimation
Title（参考訳）: デュアルアテンションに基づく3次元チャネル推定
Authors: Xiangzhao Qin, Sha Hu,
Abstract要約: 準最適推定器は、時間、周波数、空間領域に分解して3DCEを近似する。本稿では,2重注意機構に基づく3DCEネットワーク(3DCENet)を提案する。
参考スコア（独自算出の注目度）: 1.8047694351309203
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: For multi-input and multi-output (MIMO) channels, the optimal channel estimation (CE) based on linear minimum mean square error (LMMSE) requires three-dimensional (3D) filtering. However, the complexity is often prohibitive due to large matrix dimensions. Suboptimal estimators approximate 3DCE by decomposing it into time, frequency, and spatial domains, while yields noticeable performance degradation under correlated MIMO channels. On the other hand, recent advances in deep learning (DL) can explore channel correlations in all domains via attention mechanisms. Building on this capability, we propose a dual attention mechanism based 3DCE network (3DCENet) that can achieve accurate estimates.
Abstract（参考訳）: マルチインプットおよびマルチアウトプット(MIMO)チャネルの場合、線形最小二乗誤差(LMMSE)に基づく最適チャネル推定(CE)は3次元の3Dフィルタリングを必要とする。しかし、この複雑さは大きな行列次元のためにしばしば禁じられる。準最適推定器は、時間、周波数、空間領域に分解することで3DCEを近似し、相関MIMOチャネルでは顕著な性能劣化をもたらす。一方、近年のディープラーニング(DL)の進歩は、注意機構を通じて、すべての領域のチャネル相関を探索することができる。本稿では,2重注意機構に基づく3DCEネットワーク(3DCENet)を提案する。

関連論文リスト

Holi-Spatial: Evolving Video Streams into Holistic 3D Spatial Intelligence [78.1406635199656]
Holi-Spatialは、人間の介入なしに生のビデオ入力から構築された、初めて完全に自動化され、大規模で、空間対応のマルチモーダルデータセットである。 Holi-Spatial-4Mは、12K最適化された3DGSシーン、1.3Mの2Dマスク、320Kの3Dバウンディングボックス、320Kのインスタンスキャプション、1.2Mの3Dグラウンドインスタンス、1.2Mの空間QAペアを含む、最初の大規模で高品質な3Dセマンティックデータセットである。
論文参考訳（メタデータ） (2026-03-08T14:49:20Z)
EqDeepRx: Learning a Scalable MIMO Receiver [6.732584013520367]
本稿では,実践的な深層学習支援マルチインプットマルチアウトプット(MIMO)受信機であるEqDeepRxについて述べる。レシーバモデルのコアは、各空間ストリームまたは層で独立して動作する共有重み検出NNである。 5G/6G準拠のエンドツーエンドシミュレーションでは,複数チャネルシナリオ,パイロットパターン,セル間干渉条件が改善し,スペクトル効率が向上した。
論文参考訳（メタデータ） (2026-02-12T11:22:30Z)
DIMM: Decoupled Multi-hierarchy Kalman Filter for 3D Object Tracking [50.038098341549095]
状態推定は、高い操作性を持つ3次元物体追跡において困難である。本稿では,各方向の異なる動きモデルから推定される推定を効果的に組み合わせる新しいフレームワークであるDIMMを提案する。 DIMMは既存の状態推定手法のトラッキング精度を31.61%99.23%向上させる。
論文参考訳（メタデータ） (2025-05-18T10:12:41Z)
Low-Overhead Channel Estimation via 3D Extrapolation for TDD mmWave Massive MIMO Systems Under High-Mobility Scenarios [41.213515826100696]
高モビリティのシナリオでは、チャネルの老朽化のため、頻繁にアップリンクチャネルを推定する必要がある。本稿では,空間,周波数,時間領域にまたがる3領域(3D)チャネル外挿フレームワークを提案する。数値実験の結果,提案手法はパイロット訓練のオーバーヘッドを16倍に抑えることができた。
論文参考訳（メタデータ） (2024-06-13T07:42:25Z)
Neural Calibration for Scalable Beamforming in FDD Massive MIMO with Implicit Channel Estimation [10.775558382613077]
チャネル推定とビームフォーミングは、周波数分割二重化(FDD)大規模マルチインプット多重出力(MIMO)システムにおいて重要な役割を果たす。受信したアップリンクパイロットに応じて,基地局のビームフォーマを直接最適化する深層学習方式を提案する。エンド・ツー・エンドの設計のスケーラビリティを向上させるために,ニューラルキャリブレーション法を提案する。
論文参考訳（メタデータ） (2021-08-03T14:26:14Z)
Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
論文参考訳（メタデータ） (2021-07-27T06:57:56Z)
CT-Net: Channel Tensorization Network for Video Classification [48.4482794950675]
3D畳み込みはビデオ分類には強力だが、しばしば計算コストがかかる。ほとんどのアプローチは、畳み込み効率と機能的相互作用の十分性の間の好適なバランスを達成できない。簡潔で斬新なチャネルネットワーク(CT-Net)を提案する。我々のCT-Netは、精度および/または効率の点で、最近のSOTAアプローチよりも優れています。
論文参考訳（メタデータ） (2021-06-03T05:35:43Z)
Multi-view Depth Estimation using Epipolar Spatio-Temporal Networks [87.50632573601283]
一つのビデオから多視点深度を推定する新しい手法を提案する。提案手法は,新しいEpipolar Spatio-Temporal Transformer(EST)を用いて時間的コヒーレントな深度推定を行う。最近のMixture-of-Expertsモデルにインスパイアされた計算コストを削減するため、我々はコンパクトなハイブリッドネットワークを設計する。
論文参考訳（メタデータ） (2020-11-26T04:04:21Z)
Pruning the Pilots: Deep Learning-Based Pilot Design and Channel Estimation for MIMO-OFDM Systems [8.401473551081748]
本稿では,ニューラルネットワークを用いた共同パイロット設計とダウンリンクチャネル推定手法を提案する。提案したNNアーキテクチャは、周波数対応のパイロット設計に完全連結層を使用し、線形最小二乗誤差(LMMSE)推定に優れる。また、トレーニング中に高密度のNN層から少ない有意なニューロンを徐々に刈り取ることにより、効果的なパイロットリダクション手法を提案する。
論文参考訳（メタデータ） (2020-06-21T13:10:26Z)
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。