論文の概要: QuaMoE-DRF: Proactive Beam and Rate Adaptation via Multimodal Dynamic Radio Map Forecasting in ISAC Networks
- arxiv url: http://arxiv.org/abs/2607.00974v1
- Date: Wed, 01 Jul 2026 14:10:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-02 19:56:07.930023
- Title: QuaMoE-DRF: Proactive Beam and Rate Adaptation via Multimodal Dynamic Radio Map Forecasting in ISAC Networks
- Title（参考訳）: QuaMoE-DRF:ISACネットワークにおけるマルチモーダルダイナミックラジオマップ予測によるアクティブビームとレート適応
- Abstract要約: QuaMoE-DRFは、ISACネットワークにおけるプロアクティブビームとレート適応のための品質を意識したマルチモーダルダイナミック無線地図予測フレームワークである。
スタティックジオメトリ、イベントのような動きの観測、構造化されたセンシング状態、そして無線履歴を、品質に敏感なミックス・オブ・エキスパート・モジュールを通じて融合させる。
通信指向の地図チャネルとプロアクティブなBS、ビーム、MCSの決定を共同で予測する。
- 参考スコア（独自算出の注目度）: 25.533949730614953
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Static radio maps provide location-dependent propagation priors, but they cannot capture short-term blockage caused by moving objects. Direct sensing-assisted beam prediction is also limited because a beam index discards SINR margins, MCS thresholds, BS alternatives, and communication-equivalent neighboring beams. This paper proposes QuaMoE-DRF, a quality-aware multimodal dynamic radio map forecasting framework for proactive beam and rate adaptation in ISAC networks. Its core representation is a future beam-SINR field. We show that the full multi-BS beam-SINR field is sufficient for finite-codebook threshold-rate BS, beam, MCS, goodput, and outage decisions. For tractability, the implemented model learns a compact reference-BS local field, complemented by BS-level supervision, joint BS--beam supervision, and latent network context; we also clarify that this compact projection alone is not sufficient for BS association. QuaMoE-DRF fuses static geometry, event-like motion observations, structured sensing states, and wireless history through a quality-aware mixture-of-experts module motivated by inverse-variance fusion under heteroscedastic modality errors. It jointly predicts communication-oriented map channels and proactive BS, beam, and MCS decisions. On a dynamic multi-BS and multi-UE urban benchmark, QuaMoE-DRF achieves 402.5 Mbps effective rate, 0.0417 outage probability, and 0.1836 map RMSE, improving the effective rate by 5.67% and reducing outage by 8.35% over the strongest completed effective-rate baseline. The current validation uses labels from a compact blockage/path-loss simulator, with ray tracing used only for calibration and sanity checking.
- Abstract（参考訳）: 静的無線地図は位置依存の伝搬先行情報を提供するが、移動物体によって引き起こされる短期的妨害を捉えることはできない。
ビーム指数はSINRマージン、MCSしきい値、BS代替値、通信等価隣接ビームを捨てるため、直接センシング支援ビーム予測も制限される。
本稿では,ISACネットワークにおけるプロアクティブビームとレート適応のための品質を考慮したマルチモーダル無線地図予測フレームワークであるQuaMoE-DRFを提案する。
その中心となる表現は、将来のビームSINRフィールドである。
完全マルチBSビームSINRフィールドは、有限符号ブック閾値BS、ビーム、MCS、出力、停止判定に十分であることを示す。
トラクタビリティに関しては,BSレベルの監視,共同BSビームの監視,潜時ネットワークのコンテキストを補完するコンパクト参照-BS局所場を学習し,このコンパクトプロジェクションだけではBSアソシエーションには不十分であることを示す。
QuaMoE-DRFは、静的幾何学、事象に似た運動観測、構造化されたセンシング状態、および無線履歴を、不連続なモーダリティエラーの下で逆分散融合によって動機付けられた、品質に配慮した混合実験モジュールを通じて融合する。
通信指向の地図チャネルとプロアクティブなBS、ビーム、MCSの決定を共同で予測する。
動的マルチBSおよびマルチUE都市ベンチマークにおいて、QuaMoE-DRFは402.5 Mbpsの有効レート、0.0417の停止確率、0.1836の地図RMSEを達成し、有効レートを5.67%改善し、最強の有効レートベースラインよりも8.35%下げた。
現在のバリデーションでは、コンパクトな閉塞/パスロスシミュレータのラベルを使用し、レイトレーシングはキャリブレーションと正当性チェックにのみ使用される。
関連論文リスト
- LLM-Empowered Multimodal Fusion Framework for Autonomous Driving: Semantic Enhancement and Channel-Adaptive Design [56.76240343283953]
本稿では,大規模言語モデル中心のセマンティック・レイヤ・チャネル・アウェア・インテグレート・パーセプション・フレームワークを提案する。
ローカルな視覚ストリームと、知覚盲点をカバーするために使用される品質の変化した外部レーダーストリームを融合させる。
nuScenesとVIRATの実験は、我々のアプローチを検証する。
論文 参考訳（メタデータ） (2026-07-02T06:44:02Z) - RadioDiff-FS: Physics-Informed Manifold Alignment in Few-Shot Diffusion Models for High-Fidelity Radio Map Construction [25.36924798716969]
無線地図(RM)は6Gネットワーク計画に不可欠な空間的連続的な伝搬特性を提供する。
提案するRadioDiff-FSは,事前学習されたメインパス生成器をマルチパスリッチターゲットドメインに適応させる,数発の拡散フレームワークである。
実験の結果、RadioDiff-FSは静的RMではNMSEを59.5%、動的RMでは74.0%削減した。
論文 参考訳（メタデータ） (2026-03-19T13:12:09Z) - LiQSS: Post-Transformer Linear Quantum-Inspired State-Space Tensor Networks for Real-Time 6G [85.58816960936069]
Sixth-Generation (6G) Open Radio Access Networks (O-RAN) における能動的およびエージェント的制御は、厳密なニアタイム(Near-RT)レイテンシと計算制約の下で制御グレードの予測を必要とする。
本稿では,効率的な無線テレメトリ予測のための変圧器後パラダイムについて検討する。
本稿では、自己アテンションを安定な状態空間動的カーネルに置き換える量子インスピレーション付き状態空間テンソルネットワークを提案する。
論文 参考訳（メタデータ） (2026-01-18T12:08:38Z) - Empower Low-Altitude Economy: A Reliability-Aware Dynamic Weighting Allocation for Multi-modal UAV Beam Prediction [57.04985443535312]
低高度経済(LAE)は、都市空気移動、ロジスティクスドローン、空中センシングによって急速に拡大している。
現在の研究は、シングルシグナルからマルチモーダルコラボレーティブアプローチにシフトしている。
セマンティック・アウェアなマルチモーダルビーム予測フレームワークSaM2Bに,信頼性を考慮した動的重み付け手法を提案する。
論文 参考訳（メタデータ） (2025-12-30T16:24:34Z) - Generative MIMO Beam Map Construction for Location Recovery and Beam Tracking [67.65578956523403]
本稿では,スパースチャネル状態情報(CSI)から位置ラベルを直接復元する生成フレームワークを提案する。
生のCSIを直接格納する代わりに、小型の低次元無線地図の埋め込みを学び、生成モデルを利用して高次元CSIを再構築する。
数値実験により,NLOSシナリオにおける局所化精度が30%以上向上し,20%のキャパシティゲインが得られることが示された。
論文 参考訳（メタデータ） (2025-11-21T07:25:49Z) - RadioDiff-Inverse: Diffusion Enhanced Bayesian Inverse Estimation for ISAC Radio Map Construction [24.3983954491267]
無線地図(RM)は、環境に配慮した通信やセンシングに不可欠であり、位置固有の無線チャネル情報を提供する。
既存のRM構築法は、しばしば正確な環境データと基地局(BS)の場所に依存しており、動的またはプライバシーに敏感な環境では必ずしも利用できない。
本稿では、粗い環境知識とノイズスパース測定の下でのベイズ逆問題としてRM構築を定式化する。
拡散強化ベイズ逆推定フレームワークであるRadioDiff-Inverseを提案する。
論文 参考訳（メタデータ） (2025-04-19T13:49:59Z) - Resource-Efficient Beam Prediction in mmWave Communications with Multimodal Realistic Simulation Framework [57.994965436344195]
ビームフォーミングは、方向と強度を最適化して信号伝送を改善するミリ波通信において重要な技術である。
マルチモーダルセンシング支援ビーム予測は,ユーザ位置やネットワーク条件を予測するために,さまざまなセンサデータを使用して注目されている。
その有望な可能性にもかかわらず、マルチモーダルセンシング支援ビーム予測の採用は、高い計算複雑性、高いコスト、限られたデータセットによって妨げられている。
論文 参考訳（メタデータ） (2025-04-07T15:38:25Z) - ACT-GAN: Radio map construction based on generative adversarial networks
with ACT blocks [0.5694070924765915]
本稿では,GAN(Generative Adversarial Network)に基づく新しい無線地図構築手法を提案する。
ラジオ地図の再現精度と局部テクスチャを大幅に向上させる。
提案手法はロバストな電波地図の構築であり,放射源の位置を正確に予測する。
論文 参考訳（メタデータ） (2024-01-17T05:03:53Z) - Enhancing Reliability in Federated mmWave Networks: A Practical and
Scalable Solution using Radar-Aided Dynamic Blockage Recognition [14.18507067281377]
本稿では,ミリ波(mmWave)およびテラヘルツ(THz)ネットワークサービスの動的屋外環境における信頼性向上のための新しい手法を提案する。
これらの設定では、人や車などの障害物を動かすことで、視線接続(LoS)が簡単に中断される。
提案手法はRadar-Aided Blockage Dynamic Recognition (RaDaR)と呼ばれ、レーダー計測とフェデレートラーニング(FL)を活用して、二重出力ニューラルネットワーク(NN)モデルをトレーニングする。
論文 参考訳（メタデータ） (2023-06-22T10:10:25Z) - Beam Management Driven by Radio Environment Maps in O-RAN Architecture [2.0305676256390934]
M-MIMOは5Gと将来の6Gネットワークの主要な技術の一つと考えられている。
ビームの静的集合、すなわちグリッド・オブ・ビーム(GoB)を利用するM-MIMOネットワークの実装が容易である。
ビームマネジメント(BM)は、無線環境に関する歴史的知識を考慮し、強化することができる。
提案手法はOpen Radio Access Network (O-RAN) アーキテクチャに準拠している。
論文 参考訳（メタデータ） (2023-03-21T11:09:31Z) - Fast Beam Alignment via Pure Exploration in Multi-armed Bandits [91.11360914335384]
我々は,ミリ波通信におけるBAレイテンシを低減するために,帯域幅に基づく高速BAアルゴリズムを開発した。
我々のアルゴリズムは2相ヘテロセダスティックトラック・アンド・ストップ (2PHT&S) と呼ばれる。
論文 参考訳（メタデータ） (2022-10-23T05:57:39Z)
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。