Fugu-MT 論文翻訳(概要): A Deep Learning-based Receiver for Asynchronous Grant-Free Random Access in Control-to-Control Networks

論文の概要: A Deep Learning-based Receiver for Asynchronous Grant-Free Random Access in Control-to-Control Networks

arxiv url: http://arxiv.org/abs/2605.12180v1
Date: Tue, 12 May 2026 14:22:31 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-13 21:48:56.92019
Title: A Deep Learning-based Receiver for Asynchronous Grant-Free Random Access in Control-to-Control Networks
Title（参考訳）: 制御・制御ネットワークにおける非同期なグラントフリーランダムアクセスのための深層学習型受信機
Authors: Massimo Battaglioni, Edoardo Carnevali, Dania De Crescenzo, Enrico Testi, Marco Baldi, Enrico Paolini,
Abstract要約: 本研究は,共用無線チャネルを用いた屋内シナリオにおけるC2C通信について検討する。本稿では,受信信号を直接操作する単一畳み込みニューラルネットワーク(CNN)により,コマンド単位境界の検出を行う受信アーキテクチャを提案する。起動シーケンス検出は受信波形のみに依存する必要があるが、テールシーケンス検出はLDPCデコーダが生成するソフト情報を活用することができる。
参考スコア（独自算出の注目度）: 14.411354491468535
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we study grant-free, asynchronous control-to-control (C2C) communications in an indoor scenario with a shared wireless channel. Each communication node transmits command units, each consisting of a variable-length low-density parity-check (LDPC)--coded payload preceded by a start sequence and followed by a tail sequence. Due to the asynchronous nature of the access, transmissions from different nodes are not aligned over time. As a result, each receiving controller observes the superposition of multiple command units transmitted by different nodes over a receiver-defined superframe interval. Each node transmits one or more replicas of the same command unit. We propose a receiver architecture in which the detection of command unit boundaries (start/tail sequences) is carried out by a single convolutional neural network (CNN) operating directly on the received signal. We show that, while start-sequence detection must rely only on the received waveform, tail-sequence detection can additionally exploit the soft information produced by the LDPC decoder, together with channel estimates. Finally, once commands units are successfully decoded, successive interference cancellation (SIC) can be applied. Simulation results demonstrate that the receiver we propose achieves reliable packet-boundary identification and a low end-to-end packet loss rate, even under uncoordinated and high-traffic operating conditions.
Abstract（参考訳）: 本稿では,C2C通信を共用無線チャネルを用いた屋内シナリオにおいて,無許可で非同期な制御制御(C2C)通信について検討する。各通信ノードは、各コマンドユニットを送信し、それぞれ、開始シーケンスに先行する可変長の低密度パリティチェック(LDPC)符号化ペイロードと後続のテールシーケンスで構成される。アクセスの非同期性のため、異なるノードからの送信は時間とともに整列されない。結果として、各受信コントローラは、受信者定義のスーパーフレーム間隔で異なるノードによって送信される複数のコマンドユニットの重ね合わせを観察する。各ノードは同じコマンドユニットの1つ以上のレプリカを送信する。本稿では,受信信号を直接操作する単一畳み込みニューラルネットワーク(CNN)により,コマンド単位境界(スタート/テールシーケンス)の検出を行うレシーバアーキテクチャを提案する。スタートシーケンス検出は受信波形のみに依存する必要があるが、テールシーケンス検出はLDPCデコーダが生成するソフト情報をチャネル推定と共に利用することができることを示す。最後に、コマンドユニットが正常に復号されると、逐次干渉キャンセル(SIC)を適用できる。シミュレーションの結果,提案する受信機は,非コーディネートかつ高トラフィックな動作条件下であっても,信頼性の高いパケット境界識別と低エンドツーエンドパケット損失率を実現することを示す。

関連論文リスト

Wireless TokenCom: RL-Based Tokenizer Agreement for Multi-User Wireless Token Communications [59.84545048095092]
Token Communications (TokenCom) は、トークンが通信計算の統一単位である効果的な新しいパラダイムとして最近登場した。基地局が複数のユーザを送信するマルチユーザダウンリンク無線TokenComシナリオについて検討する。
論文参考訳（メタデータ） (2026-02-12T19:00:33Z)
Asynchronous measurement-device-independent quantum digital signatures [0.9786690381850356]
量子デジタルシグネチャ(QDS)は、量子状態をキー生成プロトコルによって分散し、測定し、古典的なデータ処理を通じてメッセージに署名する。本稿では,非同期2光子干渉戦略とワンタイムユニバーサルハッシュ法を備えた,非同期計測デバイス非依存(MDI)QDSプロトコルを提案する。本研究は,量子ネットワークにおける非再検討による大規模データ処理を実現するための,効率的かつ実用的なMDI-QDS方式を提案する。
論文参考訳（メタデータ） (2024-07-11T02:09:55Z)
Time-Series JEPA for Predictive Remote Control under Capacity-Limited Networks [31.408649975934008]
時系列共同埋め込み予測アーキテクチャ(TS-JEPA) TS-JEPAは、高次元の知覚データをセンサーに低次元のセマンティック埋め込みにエンコードする。チャネル対応スケジューリングはデバイス送信を動的に優先順位付けするために統合される。
論文参考訳（メタデータ） (2024-06-07T11:35:15Z)
Joint Sensing and Semantic Communications with Multi-Task Deep Learning [45.622060532244944]
本稿では,協調センシングとコミュニケーションのための深層学習技術の統合と,セマンティックコミュニケーションの拡張について検討する。統合システムは、無線チャンネル上で動作し、ノイズやフェーディングを受ける送信機と受信機とを備える。送信機はディープニューラルネットワーク(DNN)、すなわちエンコーダを使用し、ソース符号化、チャネル符号化、変調のジョイント操作を行う。受信機は別のDNN、すなわちデコーダを使用して、復調、チャネル復号、ソース復号のジョイント操作を行い、データサンプルを再構築する。
論文参考訳（メタデータ） (2023-11-08T21:03:43Z)
Age of Information in Deep Learning-Driven Task-Oriented Communications [78.84264189471936]
本稿では,その送信機におけるデータを利用した受信機におけるタスク実行を目的とした,タスク指向コミュニケーションにおける年齢概念について検討する。送信機-受信機操作は、共同で訓練されたディープニューラルネットワーク(DNN)のエンコーダ-デコーダペアとしてモデル化される。
論文参考訳（メタデータ） (2023-01-11T04:15:51Z)
A Demonstration of Over-the-Air Computation for Federated Edge Learning [8.22379888383833]
提案手法は受信方向と送信方向の同期波形の検出に依存する。この同期手法を低コストのSDRに実装することにより、周波数シフトキー(FSK)ベースの多数決(MV)の性能を示す。
論文参考訳（メタデータ） (2022-09-20T19:08:49Z)
Quantum networks boosted by entanglement with a control system [0.6445605125467572]
送信者が第三者と事前の絡み合いを共有した場合に限って、情報発信チャネルで実現可能な2つの通信タスクを示す。最初のタスクは、コントローラに情報を漏らすことなく古典的なメッセージを送信することである。第2の課題は、受信機との二部交絡を確立すること、またはより一般的には、複数の空間的に分離された受信機との多部交絡を確立することである。
論文参考訳（メタデータ） (2022-06-10T17:42:57Z)
Deep Reinforcement Learning for Wireless Scheduling in Distributed Networked Control [37.10638636086814]
完全分散無線制御システム(WNCS)の周波数チャネル数に制限のある結合アップリンクとダウンリンクのスケジューリング問題を考える。深層強化学習(DRL)に基づくフレームワークを開発した。 DRLにおける大きなアクション空間の課題に対処するために,新しいアクション空間削減法とアクション埋め込み法を提案する。
論文参考訳（メタデータ） (2021-09-26T11:27:12Z)
Learning from Heterogeneous EEG Signals with Differentiable Channel Reordering [51.633889765162685]
CHARMは、一貫性のない入力チャネルをまたいだ単一のニューラルネットワークのトレーニング方法である。我々は4つの脳波分類データセットの実験を行い、CHARMの有効性を実証した。
論文参考訳（メタデータ） (2020-10-21T12:32:34Z)
DeepSIC: Deep Soft Interference Cancellation for Multiuser MIMO Detection [98.43451011898212]
複数のシンボルが同時に送信されるマルチユーザマルチインプットマルチアウトプット(MIMO)設定では、正確なシンボル検出が困難である。本稿では,DeepSICと呼ぶ反復ソフト干渉キャンセリング(SIC)アルゴリズムの,データ駆動による実装を提案する。 DeepSICは、チャネルを線形にすることなく、限られたトレーニングサンプルから共同検出を行うことを学ぶ。
論文参考訳（メタデータ） (2020-02-08T18:31:00Z)

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。