論文の概要: Statistical Channel Fingerprint Construction for Massive MIMO: A Unified Tensor Learning Framework

• arxiv url: http://arxiv.org/abs/2604.27574v1
• Date: Thu, 30 Apr 2026 08:28:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.99222
• Title: Statistical Channel Fingerprint Construction for Massive MIMO: A Unified Tensor Learning Framework
• Title（参考訳）: 大規模MIMOのための統計的チャネルフィンガープリント構築:統合テンソル学習フレームワーク
• Authors: Zhenzhou Jin, Li You, Xiang-Gen Xia, Xiqi Gao,
• Abstract要約: チャネル指紋(CF)は、IMO通信システムにおけるチャネル状態情報の取得を容易にする重要な手段であると考えられている。 統計的CSI(sCSI)を各電位で保存する新しいタイプのCFを提案し,これを統計的CF(sCF)と呼ぶ。
• 参考スコア（独自算出の注目度）: 51.39651336043647
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Channel fingerprint (CF) is considered a key enabler for facilitating the acquisition of channel state information (CSI) in massive multiple-input multiple-output (MIMO) communication systems. In this work, we investigate a novel type of CF that stores statistical CSI (sCSI) at each potential location, referred to as statistical CF (sCF). Specifically, we reveal the relationship between sCSI, namely the channel spatial covariance matrix (CSCM), and the channel power angular spectrum (CPAS). Building on this foundation, we construct a unified tensor representation of the sCF and further reduce its dimension by exploiting the eigenvalue decomposition of the CSCM and its correlation with the PAS. Considering the practical constraints imposed by measurement cost, privacy, and security, we focus on three representative scenarios and uniformly formulate them as tensor restoration tasks. To this end, we propose a unified tensor-based learning architecture, termed LPWTNet. The architecture incorporates a closed-form Laplacian pyramid (LP) decomposition and reconstruction framework that replaces the traditional encoder-decoder structure, enabling efficient inference while capturing multi-scale frequency subband characteristics of the sCF. Additionally, a shared mask learning strategy is introduced to adaptively refine high-frequency sCF components through level-wise adjustments. To achieve a larger receptive field without over-parameterization, we further propose a small-kernel convolution mechanism based on the wavelet transform (WT), which decouples convolution across different frequency components of the sCF and enhances feature extraction efficiency. Extensive experiments show that the proposed approach delivers competitive reconstruction accuracy and computational efficiency across various sCF construction scenarios when compared with state-of-the-art baselines.
• Abstract（参考訳）: チャネル指紋(CF)は、MIMO(Multiple-input multiple-output)通信システムにおいて、チャネル状態情報(CSI)の取得を容易にする重要な手段であると考えられている。 本研究では, 統計的CSI (sCSI) を, 統計的CF (sCF) と呼ばれる各電位位置に格納する新しいタイプのCFについて検討する。 具体的には,チャネル空間共分散行列(CSCM)とチャネルパワー角スペクトル(CPAS)の関係を明らかにする。 この基礎の上に、sCFの統一テンソル表現を構築し、CSCMの固有値分解とPASとの相関を利用して、その次元をさらに小さくする。 コスト,プライバシ,セキュリティの制約を考慮すると,3つの代表的なシナリオに注目し,それらをテンソル復元タスクとして一様に定式化する。 そこで本研究では,LPWTNetと呼ばれるテンソル型学習アーキテクチャを提案する。 このアーキテクチャは、従来のエンコーダ・デコーダ構造を置き換える閉形式ラプラシアンピラミッド(LP)分解と再構成フレームワークを備えており、sCFのマルチスケール周波数サブバンド特性をキャプチャし、効率的な推論を可能にする。 さらに、レベルワイド調整により高周波sCF成分を適応的に洗練する共有マスク学習戦略を導入する。 さらに,SCFの周波数成分間の畳み込みを分離し,特徴抽出効率を向上させるウェーブレット変換(WT)に基づく小型カーネル畳み込み機構を提案する。 大規模実験により, 提案手法は, 最先端のベースラインと比較した場合に, 様々な sCF 構築シナリオに対して, 競合的再構成精度と計算効率をもたらすことを示した。

関連論文リスト

• Fundamental Limits of CSI Compression in FDD Massive MIMO [32.267305083092594]
  状態推論と状態適応型TCを組み合わせた実用的なCSIフィードバックアーキテクチャを提案する。 鍵となる構造的結果は、全ての混合成分をまたいだ最適なビット割り当てが、単一の大域的な逆給水レベルによって制御されることである。 その結果,大容量のニューラルエンコーダを使わずに準最適CSI圧縮を状態適応TCにより達成できることが示唆された。
  論文  参考訳（メタデータ） (2026-03-15T11:03:22Z)
• Adapformer: Adaptive Channel Management for Multivariate Time Series Forecasting [49.40321003932633]
  Adapformerは、効果的なチャネル管理を通じてCIとCD方法論のメリットをマージする、トランスフォーマーベースの高度なフレームワークである。 Adapformerは既存のモデルよりも優れた性能を実現し、予測精度と計算効率の両方を向上させる。
  論文  参考訳（メタデータ） (2025-11-18T16:24:05Z)
• ISCS: Parameter-Guided Channel Ordering and Grouping for Learned Image Compression [11.645256028223272]
  本稿では,事前学習したlicモデルにおいて重要なチャネルを特定し,整理するためのデータセットに依存しない手法を提案する。 提案手法は,再現性を維持しつつ計算を効果的に削減し,既存の学習圧縮フレームワークを実用的かつモジュール的に拡張する。
  論文  参考訳（メタデータ） (2025-09-21T00:44:15Z)
• Channel Fingerprint Construction for Massive MIMO: A Deep Conditional Generative Approach [65.47969413708344]
  CF双生児の概念を導入し、条件付き生成拡散モデル(CGDM)を設計する。 本研究では, 粗粒CFに条件付き観測された細粒CFの対数分布に対するエビデンスローバウンド(ELBO)を導出するために, 変分推論手法を用いる。 提案手法は, ベースラインと比較して, 復元性能が著しく向上していることを示す。
  論文  参考訳（メタデータ） (2025-05-12T01:36:06Z)
• CF-CGN: Channel Fingerprints Extrapolation for Multi-band Massive MIMO Transmission based on Cycle-Consistent Generative Networks [26.720410416586677]
  マルチバンドマルチインプット多重出力(MIMO)通信は、ライセンスされたスペクトルとライセンスされていないスペクトルの協調を促進することができる。 チャネル指紋(CF)は、チャネル状態情報(CSI)の取得と計算複雑性の低減を支援するために用いられる。 我々は、ライセンス付きおよび未ライセンスのスペクトルが協調してユビキタス接続を実現するマルチバンドMIMO伝送のためのCFを外挿するCF-CGNを提案する。
  論文  参考訳（メタデータ） (2024-12-30T11:52:39Z)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• 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 Multimodal Fusion by Channel Exchanging [87.40768169300898]
  本稿では,異なるモードのサブネットワーク間で動的にチャネルを交換するパラメータフリーマルチモーダル融合フレームワークを提案する。 このような交換プロセスの有効性は、畳み込みフィルタを共有してもBN層をモダリティで分離しておくことで保証される。
  論文  参考訳（メタデータ） (2020-11-10T09:53:20Z)

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。