Fugu-MT 論文翻訳(概要): ReFLEX: Length-Generalizable CSI Denoising for MIMO-OFDM via Relative-Frequency Bias

論文の概要: ReFLEX: Length-Generalizable CSI Denoising for MIMO-OFDM via Relative-Frequency Bias

arxiv url: http://arxiv.org/abs/2606.00263v1
Date: Fri, 29 May 2026 18:49:40 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-02 21:34:28.189637
Title: ReFLEX: Length-Generalizable CSI Denoising for MIMO-OFDM via Relative-Frequency Bias
Title（参考訳）: ReFLEX: 相対周波数バイアスによるMIMO-OFDMのための長さ一般化可能なCSI
Abstract要約: ReFLEXは、周波数アテンションが相対周波数位置バイアスを使用する長さ一般化可能な変換器である。単一のチェックポイントは見えないRBの長さを処理し、スパースDM-RS観測に適用することができる。 NR PUSCH/UL-SCHシミュレーションでは、ReFLEXデノイングと時間周波数が10%BLER閾値を約2～3dB削減する。
参考スコア（独自算出の注目度）: 5.823528134130384
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This letter studies CSI denoising for MIMO--OFDM with variable NR resource block (RB) allocations. ReFLEX is a length-generalizable Transformer whose frequency attention uses a relative-frequency position bias (RFPB) generated from subcarrier offsets. A single checkpoint handles unseen RB lengths and can be applied to sparse DM-RS observations in the tested RB5/RB10 PUSCH setup without retraining. In a 3GPP~TR~38.901 UMa NLOS channel, ReFLEX achieves about $-9.6$~dB NMSE on unseen RB lengths. In NR PUSCH/UL-SCH simulations, ReFLEX denoising followed by time-frequency interpolation reduces the 10\% BLER threshold by about 2--3~dB.
Abstract（参考訳）: 可変NRリソースブロック(RB)アロケーションを持つMIMO-OFDMのCSI雑音化について検討する。 ReFLEXは、周波数アテンションがサブキャリアオフセットから発生する相対周波数位置バイアス(RFPB)を使用する長さ一般化可能な変換器である。単一のチェックポイントは未確認のRB長さを処理し、試験されたRB5/RB10 PUSCHセットアップでのDM-RS観察に再トレーニングなしで適用することができる。 3GPP~TR~38.901 UMA NLOSチャネルでは、ReFLEXは見えないRB長さで約9.6$~dB NMSEを達成している。 NR PUSCH/UL-SCHシミュレーションでは、ReFLEXデノイングと時間周波数補間により10\%のBLER閾値が約2--3~dB減少する。

関連論文リスト

RF-VoID: Towards Bandwidth-Efficient Exterior Tile Void Detection via Narrowband Radio-Frequency Representation Learning [26.146393494302547]
ミリ波レーダーは、外装のセラミックタイルの後ろに隠れたデボンドを見つけるための非接触的な方法を提供する。従来の解釈はまずレンジプロファイルを再構成するので、その信頼性は利用可能な帯域幅によって制限される。この研究は、帯域幅を計算のために交換できるかどうかを問うものである。
論文参考訳（メタデータ） (2026-09-11T03:18:37Z)
S$^3$AM: A Single-Stream SAM with Reliability-Calibrated Frequency Adapter for Multi-modal Salient Object Detection [74.15663758681849]
シングルストリームフレームワークは、信頼性キャリブレーションされた周波数適応をMSOD用のSAMバックボーンに組み込む。 RGB-D、RGB-T、RGB-NIRの正当性オブジェクト検出ベンチマークの実験により、提案フレームワークが競合性能を達成することを確認した。
論文参考訳（メタデータ） (2026-08-18T08:05:00Z)
Resolving Multi-Target Association in OFDM-based ISAC via Vision-aided Multi-Modal Learning [10.44632158114449]
単一モダリティISACのデータ連想と解決限界を克服するビジョン支援OFDM-ISACフレームワークを提案する。提案手法は,Blender-Rendered vehicular testbed上で16cmの局所化根平均二乗誤差(RMSE)と10.8ns遅延RMSEを実現する。
論文参考訳（メタデータ） (2026-06-20T19:07:22Z)
Multi-Block Attention for Efficient Channel Estimation in IRS-Assisted mmWave MIMO [3.339065092252818]
本稿では,効率的なチャネル推定のための深層学習に基づくマルチブロック注意(MBA)フレームワークを提案する。最小二乗推定のための位相構成として離散フーリエ変換(DFT)とアダマール行列の最適性を示す。提案手法は,従来の手法よりも約51%低い正規化平均二乗誤差(NMSE)を実現する。
論文参考訳（メタデータ） (2026-05-14T16:27:38Z)
PAS: A Training-Free Stabilizer for Temporal Encoding in Video LLMs [57.790910044227935]
ビデオLLMは時間的不整合に悩まされ、フレームタイミングの小さなシフトは注意をそらすことができ、関連するフレームを抑えることができる。本稿では, 位相アグリゲード平滑化(PAS)について述べる。これは, 頭部に小さな反対位相オフセットを適用して, 出力を集約する学習自由機構である。解析の結果,RoPE回転ロジットは,時間核でスケールしたコンテントドット積として近似でき,このカーネルを滑らかにすることで,小さな時間シフトに対する注意のリプシッツ安定性が得られ,マルチフェーズ平均化は,Nyquist-valid サンプリング下での頭当たりスペクトルを保ちながら高周波リップルを減衰させることがわかった。
論文参考訳（メタデータ） (2025-11-14T05:56:47Z)
Channel-Robust RFF for Low-Latency 5G Device Identification in SIMO Scenarios [12.602422198307815]
RFF(Radio frequency fingerprint)は、物理層のデバイスを識別し、偽造攻撃をブロックし、遅延を大幅に低減する。本稿では,複数の受信アンテナからの信号を用いて,遅延を伴わずにマルチパス問題に対処する新しいRFF抽出手法を提案する。提案手法は,20dBの信号-雑音比(SNR)の下で,30個のユーザ機器(UE)の識別精度を96.13%向上させる。
論文参考訳（メタデータ） (2025-11-12T02:25:06Z)
DiffPR: Diffusion-Based Phase Reconstruction via Frequency-Decoupled Learning [4.560284382063488]
オフアクシス定量的位相イメージング(QPI)に深層学習を適用する場合、過平滑化は持続的な問題である。この問題をスペクトルバイアスに追従し、ハイレベルなスキップ接続によってバイアスが強化されていることを示す。 2段階の周波数分離フレームワークであるDiffPRを紹介する。
論文参考訳（メタデータ） (2025-06-12T17:08:45Z)
M3DM-NR: RGB-3D Noisy-Resistant Industrial Anomaly Detection via Multimodal Denoising [63.39134873744748]
既存の産業異常検出手法は主に、原始RGB画像を用いた教師なし学習に重点を置いている。本稿では,CLIPの強力なマルチモーダル識別機能を利用する新しい耐雑音性M3DM-NRフレームワークを提案する。 M3DM-NRは3D-RGBマルチモーダルノイズ異常検出において最先端の手法より優れていた。
論文参考訳（メタデータ） (2024-06-04T12:33:02Z)
Rethinking Transformer-Based Blind-Spot Network for Self-Supervised Image Denoising [94.09442506816724]
BSN(Blind-spot Network)は、自己教師付き画像復調(SSID)におけるニューラルネットワークアーキテクチャとして広く使われている。本研究では,Transformer ベースの Blind-Spot Network (TBSN) を構築した。
論文参考訳（メタデータ） (2024-04-11T15:39:10Z)
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)
Omni-frequency Channel-selection Representations for Unsupervised Anomaly Detection [11.926787216956459]
本稿では,周波数を考慮した新しいOmni- frequency Channel-Selection Reconstruction (OCR-GAN) ネットワークを提案する。提案手法は, 再建ベースラインを+38.1, 現行のSOTA法を+0.3に大きく上回っている。
論文参考訳（メタデータ） (2022-03-01T06:35:15Z)
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)

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。