論文の概要: GD4: Graph-based Discrete Denoising Diffusion for MIMO Detection

• arxiv url: http://arxiv.org/abs/2605.00423v1
• Date: Fri, 01 May 2026 05:47:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 17:43:28.861803
• Title: GD4: Graph-based Discrete Denoising Diffusion for MIMO Detection
• Title（参考訳）: GD4:MIMO検出のためのグラフに基づく離散化拡散
• Authors: Qincheng Lu, Sitao Luan, Xiao-Wen Chang,
• Abstract要約: 無線通信において、多重出力多重出力(MIMO)検出問題に対する最適解の回収はNPハードである。 グラフに基づくMIMO検出のための離散化拡散法であるGD4を提案する。 連続的に緩和された空間で作動する既存の拡散ベースの検出器とは異なり、GD4は離散的なシンボル空間で直接デノナイジングを行い、1つまたは数個のデノナイジング評価で高速な推論を可能にする。 数値計算により、GD4は既存の拡散型検出器や広く使われている古典的ベースラインよりも高品質な準最適解を生成することが示された。
• 参考スコア（独自算出の注目度）: 8.576714024918576
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In wireless communications, recovering the optimal solution to the multiple-input multiple-output (MIMO) detection problem is NP-hard. Obtaining high-quality suboptimal solutions with a favorable performance-complexity trade-off is particularly challenging in under-determined systems with $N_t$ transmit antennas and $N_r < N_t$ receive antennas. Recent diffusion-based MIMO detectors have shown promise, but they require extensive sampling iterations at inference time, and their performance degrades in under-determined scenarios. We propose GD4, a graph-based discrete denoising diffusion method for MIMO detection. Unlike existing diffusion-based detectors that operate in a continuous relaxed space, GD4 performs denoising directly in the discrete symbol space and enables fast inference with one or a few denoising evaluations. Numerical results show that, under a similar inference-time compute budget, GD4 produces higher-quality suboptimal solutions than existing diffusion-based detectors and some widely used classical baseline including box-constrained Babai point and the $K$-best box-constrained randomized Klein-Babai point in both under-determined and overdetermined settings.
• Abstract（参考訳）: 無線通信において、多重出力多重出力(MIMO)検出問題に対する最適解の回収はNPハードである。 受信アンテナが$N_t$送信アンテナと$N_r < N_t$受信アンテナを持つ非決定型システムでは,高い性能・複雑さのトレードオフを持つ高品質なサブ最適解を得ることが特に困難である。 近年の拡散型MIMO検出器は将来性を示しているが, 推定時に広範囲なサンプリング繰り返しが必要であり, その性能は未決定のシナリオで劣化する。 グラフに基づくMIMO検出のための離散化拡散法であるGD4を提案する。 連続的に緩和された空間で作動する既存の拡散ベースの検出器とは異なり、GD4は離散的なシンボル空間で直接デノナイジングを行い、1つまたは数個のデノナイジング評価で高速な推論を可能にする。 数値計算により、GD4は既存の拡散型検出器よりも高品質な準最適解を生成するとともに、箱拘束ババイ点やK$bestボックス拘束ランダム化Klein-Babai点を含む古典的ベースラインを、未決定と過決定の両方で広く使用されている。

関連論文リスト

• Null-Space Flow Matching for MIMO Channel Estimation in Latency-Constrained Systems [8.479186000343482]
  本稿では、パイロット限定チャネル推定をレンジ空間再構成問題とヌル空間生成問題に分解するヌル空間フローマッチング(FM)フレームワークを提案する。 提案手法は,3ms程度の厳密な遅延予算下であっても,競合正規化平均二乗誤差(NMSE)を実現することを示す。
  論文  参考訳（メタデータ） (2026-04-23T18:49:06Z)
• Learning to Separate RF Signals Under Uncertainty: Detect-Then-Separate vs. Unified Joint Models [53.79667447811139]
  受信した信号に直接適用した場合、単一のディープニューラルネットワークアーキテクチャが共同で検出および分離することを学習していることを示す。 これらの結果から,UJM は DTS に代わるスケーラブルで実用的な代替品であり,広範に推定された統合分離のための新たな方向を開拓した。
  論文  参考訳（メタデータ） (2026-02-04T15:25:02Z)
• Non-asymptotic bounds for forward processes in denoising diffusions: Ornstein-Uhlenbeck is hard to beat [49.1574468325115]
  本稿では,全変動(TV)における前方拡散誤差の非漸近的境界について述べる。 我々は、R$からFarthestモードまでの距離でマルチモーダルデータ分布をパラメライズし、加法的および乗法的雑音による前方拡散を考察する。
  論文  参考訳（メタデータ） (2024-08-25T10:28:31Z)
• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• Score-based Diffusion Models in Function Space [137.70916238028306]
  拡散モデルは、最近、生成モデリングの強力なフレームワークとして登場した。 この研究は、関数空間における拡散モデルをトレーニングするためのDDO(Denoising Diffusion Operators)と呼ばれる数学的に厳密なフレームワークを導入する。 データ解像度に依存しない固定コストで、対応する離散化アルゴリズムが正確なサンプルを生成することを示す。
  論文  参考訳（メタデータ） (2023-02-14T23:50:53Z)
• Diffusion Model Based Posterior Sampling for Noisy Linear Inverse Problems [14.809545109705256]
  本稿では、簡単な閉形式近似を確率スコアに提案することにより、高速で効果的な解を提案する。 拡散モデルとフローベースモデルの両方において、様々な雑音線形逆問題に対して広範な実験を行う。 提案手法は,全ての基本手法よりもはるかに高速でありながら,高い競争力あるいはより優れた復元性能を示す。
  論文  参考訳（メタデータ） (2022-11-20T01:09:49Z)

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。