Fugu-MT 論文翻訳(概要): Recurrent Transformer-Based Near- and Far-Field THz Wideband Channel Estimation for UM-MIMO

論文の概要: Recurrent Transformer-Based Near- and Far-Field THz Wideband Channel Estimation for UM-MIMO

arxiv url: http://arxiv.org/abs/2605.12578v1
Date: Tue, 12 May 2026 14:44:38 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-14 23:30:27.59163
Title: Recurrent Transformer-Based Near- and Far-Field THz Wideband Channel Estimation for UM-MIMO
Title（参考訳）: UM-MIMOにおけるリカレント変圧器を用いたニアフィールドTHz広帯域チャネル推定
Authors: Dmitry Artemasov, Alexander Shmatok, Kirill Andreev, Alexey Frolov, Manjesh K. Hanawal, Nikola Zlatanov,
Abstract要約: 6Gネットワークにおけるテラヘルツ通信と超大容量多重出力(UM-MIMO)システムの統合は、前例のないデータレートを実現する能力によって動機付けられている。これらのシステムにおけるアンテナ開口の増大とキャリア距離の増大により、レイリー距離は増加し、ユーザは近距離領域と従来の遠距離領域の両方にまたがる。本稿では,この課題に対処するブロック再帰変圧器モデルを提案する。
参考スコア（独自算出の注目度）: 45.337579274551416
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The integration of terahertz communications and ultra-massive multiple-input multiple-output (UM-MIMO) systems in 6G networks is motivated by their ability to enable unprecedented data rates, mitigate spectrum congestion, and enhance overall network performance. However, the enlarged antenna apertures and higher carrier frequencies in these systems increase the Rayleigh distance, causing users to span both the near-field and conventional far-field regions. Accurate spatial precoding thus requires exact channel estimation at the base station - a task made more challenging by the hybrid coexistence of near- and far-field effects and the limited number of digital chains available in hybrid beamforming architectures. In this paper, we propose a block recurrent transformer model to address this challenge. We demonstrate that a single transformer block equipped with state memory can be trained once and then iteratively applied for hybrid-field channel estimation. Furthermore, we train the model such that it generalizes to wireless channels with varying scatterer distances, different numbers of propagation paths, and wideband operation. Simulation results show that the proposed method achieves performance gains of approximately 5 dB and 7.5 dB in normalized mean squared error (NMSE) over state-of-the-art solutions in narrowband and wideband scenarios, respectively.
Abstract（参考訳）: 6Gネットワークにおけるテラヘルツ通信と超大容量マルチインプット・マルチアウトプット(UM-MIMO)システムの統合は、前例のないデータレートを実現し、スペクトルの混雑を緩和し、ネットワーク全体の性能を向上させる能力によって動機付けられている。しかし、これらのシステムにおけるアンテナ開口の増大とキャリア周波数の上昇はレイリー距離を増大させ、ユーザは近距離領域と従来の遠距離領域の両方にまたがる。したがって、正確な空間プリコーディングは基地局での正確なチャネル推定を必要とする。これは、近距離および遠距離効果のハイブリッド共存と、ハイブリッドビームフォーミングアーキテクチャで利用可能なデジタルチェーンの限られた数により、より困難なタスクである。本稿では,この課題に対処するブロック再帰変圧器モデルを提案する。状態記憶を備えた1つの変圧器ブロックを一度に訓練し、その後、ハイブリッドフィールドチャネル推定に反復的に適用できることを実証する。さらに, 様々な散乱器距離, 伝搬路数, 広帯域動作を有する無線チャネルに一般化するようにモデルを訓練する。シミュレーションの結果,狭帯域および広帯域シナリオにおける最先端解に対する正規化平均二乗誤差(NMSE)における約5dBと7.5dBの性能向上が得られた。

関連論文リスト

ReVeal-MT: A Physics-Informed Neural Network for Multi-Transmitter Radio Environment Mapping [9.43653276377036]
本稿では,マルチソースPDE残基をニューラルネットワーク損失関数に統合した新しいPINNであるemphReVeal-MTを提案する。 ReVeal-MTは、農耕地や郊外の環境にまたがるARA無線リビングラボからの実測値を用いて検証されている。その結果,ReVeal-MTはマルチトランスミッタのシナリオでかなりの精度のゲインが得られることがわかった。
論文参考訳（メタデータ） (2025-11-22T23:33:06Z)
DiffPace: Diffusion-based Plug-and-play Augmented Channel Estimation in mmWave and Terahertz Ultra-Massive MIMO Systems [42.56832361766872]
本稿では,チャネル推定のための拡散型プラグアンドプレイ方式であるDiffPaceを紹介する。高い推定精度と計算効率の向上を提供する。
論文参考訳（メタデータ） (2025-10-21T06:22:24Z)
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)
Hybrid Far- and Near-Field Channel Estimation for THz Ultra-Massive MIMO via Fixed Point Networks [15.498866529344275]
テラヘルツ超大容量多重出力(THz UM-MIMO)は6G無線システムのキーイネーブラーとして想定されている。我々は適応的複雑性と線形収束保証を備えた効率的なディープラーニングに基づくチャネル推定器を開発した。アルゴリズムの大きな革新は、任意の深さでニューラルネットワークをモデリングし、ハイブリッドフィールドのチャネル条件に適応しながら、チャネル推定を計算するために固定点を適用することである。
論文参考訳（メタデータ） (2022-05-10T14:57:56Z)
Model-Driven Deep Learning Based Channel Estimation and Feedback for Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。 MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-04-22T13:34:53Z)
Multi-hop RIS-Empowered Terahertz Communications: A DRL-based Hybrid Beamforming Design [39.21220050099642]
テラヘルツ帯における無線通信 (0.1-10thz) は、将来の第6世代 (6g) 無線通信システムの鍵となる技術の一つとして考えられている。マルチホップRIS対応通信ネットワークのための新しいハイブリッドビームフォーミング方式を提案し,THz帯域でのカバレッジ範囲を改善する。
論文参考訳（メタデータ） (2021-01-22T14:56:28Z)
Learning to Beamform in Heterogeneous Massive MIMO Networks [48.62625893368218]
大規模マルチインプット多重出力(MIMO)ネットワークにおいて最適なビームフォーマを見つけることはよく知られている問題である。本稿では,この問題に対処するための新しい深層学習に基づく論文アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-11-08T12:48:06Z)
Deep Learning Based Antenna Selection for Channel Extrapolation in FDD Massive MIMO [54.54508321463112]
大規模なマルチインプット多重出力(MIMO)システムでは、多数のアンテナが正確なチャネル状態情報を取得する上で大きな課題となる。ニューラルネットワーク(NN)を用いて、アップリンクとダウンリンクチャネルデータセット間の固有の接続を捕捉し、アップリンクチャネル状態情報のサブセットからダウンリンクチャネルを外挿する。アンテナサブセット選択問題について検討し、最高のチャネル外挿を実現し、NNのデータサイズを小さくする。
論文参考訳（メタデータ） (2020-09-03T13:38:52Z)
Harnessing Wireless Channels for Scalable and Privacy-Preserving Federated Learning [56.94644428312295]
無線接続は、フェデレートラーニング(FL)の実現に有効である Channel randomnessperturbs 各ワーカはモデル更新をインバージョンし、複数のワーカはバンド幅に大きな干渉を発生させる。 A-FADMMでは、すべてのワーカーがモデル更新をアナログ送信を介して単一のチャンネルを使用してパラメータサーバにアップロードする。これは通信帯域幅を節約するだけでなく、各ワーカーの正確なモデル更新軌跡を任意の盗聴者から隠蔽する。
論文参考訳（メタデータ） (2020-07-03T16:31:15Z)

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。