論文の概要: Brownian Bridge Diffusion-Based Joint Channel Estimation and Data Detection for Jamming-Resilient Receivers
- arxiv url: http://arxiv.org/abs/2606.28778v1
- Date: Sat, 27 Jun 2026 07:13:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.686447
- Title: Brownian Bridge Diffusion-Based Joint Channel Estimation and Data Detection for Jamming-Resilient Receivers
- Title（参考訳）: ブラウンブリッジ拡散を用いたジャミング抵抗性受波器の継手チャネル推定とデータ検出
- Abstract要約: 次世代無線ネットワークでは、デバイス密度と限られたスペクトル資源の増大が深刻な障害を引き起こす。
既存のスキームは、しばしばこのような妨害的な汚染と戦う効果的な枠組みを欠いているため、信頼できる送信を保証できない。
そこで本稿では, ブロニアン橋の拡散に基づく連成チャネル推定と, ジャミング・レジリエント受信機のためのデータ検出フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 3.345509666533605
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In next-generation wireless networks, the growing density of devices and limited spectrum resources pose severe jamming challenges to fragile legitimate communication links in the wireless electromagnetic environment. Crucially, when jamming overlaps with pilot and data symbols in both time and frequency domains, it inflicts a severe bottleneck on receiver-side joint estimation and detection. Existing schemes often lack an effective framework to combat such jamming contamination, thereby failing to guarantee reliable transmission. To address this issue, we propose a Brownian bridge diffusion-based joint channel estimation and data detection framework (BBD-JCED) for jamming-resilient receivers. Specifically, the proposed framework comprises two core modules: the first extracts jamming features in the short-time Fourier transform (STFT) domain and suppresses jamming samples, thereby improving the signal-to-jamming-plus-noise ratio (SJNR) of the received signal; the second introduces a Brownian bridge diffusion (BBD) process to model the evolution of the suppressed signal and the encoded bits in the presence of channel estimation errors, thereby enabling enhanced joint channel estimation and data detection. To alleviate the computational burden of the BBD process in the second module, we further derive a fast ordinary differential equation (ODE) solver that enables its low-complexity iterative evolution. Finally, we design a multi-module training algorithm to improve the data recovery capability of the proposed framework. Simulation results demonstrate that the proposed framework achieves superior bit recovery performance compared with baseline schemes while maintaining a lower number of model parameters and competitive computational complexity.
- Abstract（参考訳）: 次世代無線ネットワークでは、デバイス密度と限られたスペクトル資源の増大が、無線電磁環境における正当な通信リンクの脆弱化に重大な障害をもたらす。
重要なことに、パイロットとデータシンボルが時間と周波数の両方で重なり合う場合、受信側での関節推定と検出に深刻なボトルネックが生じる。
既存のスキームは、しばしばこのような妨害的な汚染と戦う効果的な枠組みを欠いているため、信頼できる送信を保証できない。
この問題に対処するために,ブラウン橋の拡散型共同チャネル推定・データ検出フレームワーク(BBD-JCED)を提案する。
具体的には、提案フレームワークは、2つのコアモジュールから構成される: 短時間フーリエ変換(STFT)領域におけるジャミングの特徴を抽出し、ジャミングサンプルを抑圧し、受信信号の信号対ジャミングプラスノイズ比(SJNR)を改善する。
第2加群におけるBBDプロセスの計算負担を軽減するために、より高速な常微分方程式(ODE)を導出し、その低複雑さ反復進化を可能にする。
最後に,提案フレームワークのデータリカバリ機能を改善するために,マルチモジュール学習アルゴリズムを設計する。
シミュレーションの結果,提案手法は,モデルパラメータの減少と競合計算の複雑さを抑えながら,ベースライン方式よりも優れたビット復元性能を実現することが示された。
関連論文リスト
- 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) - Restoration Flow Matching-Based Channel Refinement and Equalization Correction for MIMO Semantic Communications [39.23374317215901]
本稿では, チャネルの改質と等化補正のための統一回復流整合(RFM)に基づくフレームワークを提案する。
具体的には、粗いチャネルを改良し、チャネル推定精度を向上させるために、チャンネルRAM(CRFM)モジュールを開発する。
改良されたチャネルに基づいて、発展型セマンティックRAM (SRFM) モジュールを用いて、後等化潜時空間の残留歪みを補正する。
論文 参考訳（メタデータ） (2026-07-26T11:39:59Z) - Message Passing Based Two-Timescale Bayesian Learning for Joint Channel and Memory Hardware Impairments Tracking [15.722477105805256]
大規模マルチインプット・マルチアウトプット(MIMO)受信機におけるハードウェア障害は、シンボル間メモリと要素間結合を導入している。
本稿では,メッセージパスに基づく2時間ベイズ学習(MP-TTBDL)フレームワークを提案する。
シミュレーションの結果,提案手法は従来の補償器よりもチャネル推定誤差が低いことを示す。
論文 参考訳（メタデータ） (2026-07-02T03:39:56Z) - Learning During Detection: Continual Learning for Neural OFDM Receivers via DMRS [6.382581430907446]
本稿では,ニューラルレシーバのためのゼロオーバーヘッドオンラインおよび連続学習フレームワークを提案する。
我々は、既存の復調基準信号(DMRS)を用いて、信号復調とモデル適応を同時に実現する。
シミュレーションの結果,提案手法は,オーバヘッドやサービス中断,破滅的な性能劣化を伴わずに,遅いチャネル分布と速いチャネル分布の変化を効果的に追跡できることが示唆された。
論文 参考訳（メタデータ） (2026-02-23T21:07:36Z) - 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) - Joint Transmit and Pinching Beamforming for Pinching Antenna Systems (PASS): Optimization-Based or Learning-Based? [89.05848771674773]
MISO (Multiple-input Single-output) フレームワークを提案する。
それは複数の導波路で構成されており、多数の低コストアンテナ(PA)を備えている。
PAの位置は、大規模パスと空間の両方にまたがるように再構成することができる。
論文 参考訳（メタデータ） (2025-02-12T18:54:10Z) - DM-SBL: Channel Estimation under Structured Interference [6.94612534055972]
チャネル推定は通信システムの基本課題であり、効率的な復調に不可欠である。
この研究は、ホワイトガウスノイズ(AWGN)と構造化干渉が共存するより困難なシナリオに対処する。
これらのシナリオにおいて正確なチャネル推定を保証するために、遅延領域内のチャネルの間隔と干渉の複雑な構造を併用する。
論文 参考訳（メタデータ） (2024-12-07T08:26:00Z) - Diffusion-Driven Semantic Communication for Generative Models with Bandwidth Constraints [66.63250537475973]
本稿では,帯域制限付き生成モデルのための,高度なVAEベースの圧縮を用いた拡散駆動型セマンティック通信フレームワークを提案する。
実験の結果,ピーク信号対雑音比 (PSNR) などの画素レベルの指標と,LPIPS (Learning Perceptual Image patch similarity) のような意味的指標が大幅に改善された。
論文 参考訳（メタデータ） (2024-07-26T02:34:25Z) - Deep-Learning-Based Channel Estimation for Distributed MIMO with 1-bit Radio-Over-Fiber Fronthaul [11.370869277334227]
分散マルチインプット・マルチアウトプット(MIMO)アーキテクチャにおけるパイロット支援・アップリンクチャネル推定の問題点を考察する。
我々は最近Nguyenらによって提案されたディープラーニングに基づくチャネル推定アルゴリズムを適用した。
提案手法は,Bussgang線形最小二乗誤差チャネル推定器よりも有意に優れていることを示す。
論文 参考訳（メタデータ） (2024-06-17T08:38:29Z) - 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) - Model-based Deep Learning Receiver Design for Rate-Splitting Multiple
Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。
MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。
その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文 参考訳（メタデータ） (2022-05-02T12:23:55Z) - Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。
一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。
本稿では2つの新しい推定法を提案する。
論文 参考訳（メタデータ） (2021-09-06T13:42:32Z) - Waveform Learning for Next-Generation Wireless Communication Systems [16.26230847183709]
本稿では,送信受信フィルタ,星座形状,それに付随するビットラベリング,およびニューラルネットワーク(NN)ベースの検出器の結合設計のための学習に基づく手法を提案する。
この方法は、隣接するチャネルリーク比(ACLR)とピーク・ツー・アベイジ・パワー比(PAPR)の制約を同時に満たしつつ、達成可能な情報レートを最大化する。
論文 参考訳（メタデータ） (2021-09-02T14:51:16Z)
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。