論文の概要: Restoration Flow Matching-Based Channel Refinement and Equalization Correction for MIMO Semantic Communications
- arxiv url: http://arxiv.org/abs/2607.23615v1
- Date: Sun, 26 Jul 2026 11:39:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.170971
- Title: Restoration Flow Matching-Based Channel Refinement and Equalization Correction for MIMO Semantic Communications
- Title（参考訳）: MIMOセマンティック通信におけるリカバリフローマッチングに基づくチャネルのリファインメントと等化補正
- Authors: Wenkai Liu, Nan Ma, Jianqiao Chen, Xiaodong Xu, Meixia Tao, Ping Zhang,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 39.23374317215901
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In multiple-input multiple-output (MIMO) semantic communication, imperfect channel state information (CSI) and equalization mismatch can seriously degrade semantic reconstruction quality. To address this issue, we propose a unified restoration flow matching (RFM)-based framework for channel refinement and equalization correction. Specifically, the channel RFM (CRFM) module is developed to refine the coarse channel, thereby improving channel estimation accuracy. Based on the refined channel, the developed semantic RFM (SRFM) module is employed to correct the residual distortions in the post-equalization latent space. The key idea is to formulate the two cascaded inverse problems of channel estimation and equalization as the unified conditional restoration task, in which the learned conditional velocity field guides the perturbed distribution towards the target distribution. To enhance the robustness of these two modules under various distortion conditions, we develop a dual-anchor perturbation training strategy that jointly learns near-manifold refinement and large-error correction, and implement inference through a few-step deterministic ordinary differential equation (ODE) solver. Extensive experiments on MIMO channels and visual semantic transmission tasks demonstrate that the proposed scheme improves key metrics for channel estimation and semantic reconstruction quality. Moreover, compared with representative diffusion-based generative baselines, the proposed method requires fewer sampling steps.
- Abstract（参考訳）: マルチインプット多重出力(MIMO)セマンティック通信では、不完全チャネル状態情報(CSI)と等化ミスマッチはセマンティック再構築の品質を著しく低下させる可能性がある。
この問題に対処するために、チャネルの洗練と等化補正のための統一復元フローマッチング(RFM)ベースの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。
鍵となる考え方は、チャネル推定と等化の2つのカスケード逆問題を統一条件復元タスクとして定式化し、学習条件速度場が摂動分布を目標分布へ導くことである。
これら2つのモジュールの様々な歪み条件下でのロバスト性を高めるため, 近接次元の微細化と大誤差補正を共同で学習し, 数ステップの定性的常微分方程式(ODE)解法を用いて推論を行う2重アンカー摂動訓練法を開発した。
MIMOチャネルと視覚的意味伝達タスクの広範囲な実験により,提案手法はチャネル推定と意味再構成の精度向上に寄与する。
さらに, 代表拡散に基づく生成ベースラインと比較して, サンプリングステップの削減が要求される。
関連論文リスト
- 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) - Brownian Bridge Diffusion-Based Joint Channel Estimation and Data Detection for Jamming-Resilient Receivers [3.345509666533605]
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。
論文 参考訳（メタデータ） (2026-06-27T07:13:45Z) - JSCGC: Joint Source-Channel-Generation Coding for Wireless Generative Communications [58.67925548779465]
Joint Source-Channel-Generation Coding (JSCGC) は、従来のデコーダをレシーバで生成モデルに置き換えるジェネレーティブ通信パラダイムである。
JSCGCは、様々なチャネル条件にまたがるフィーチャベース、セマンティックレベル、推論品質を一貫して改善する。
論文 参考訳（メタデータ） (2026-06-11T03:42:03Z) - Flow matching-based generative models for MIMO channel estimation [13.894304144975552]
拡散モデル(DM)に基づくチャネル推定は,高精度チャネル状態情報(CSI)取得の可能性を示している。
本稿では,Multiple-input multiple-output (MIMO) チャネル推定のための新しいフローマッチング(FM)に基づく生成モデルを提案する。
異なるチャネル条件下でのチャネル推定精度が向上する。
論文 参考訳（メタデータ） (2025-11-14T04:05:23Z) - SecDiff: Diffusion-Aided Secure Deep Joint Source-Channel Coding Against Adversarial Attacks [73.41290017870097]
SecDiffは、プラグイン・アンド・プレイの拡散支援デコーディングフレームワークである。
対向無線環境下での深部JSCCの安全性と堅牢性を大幅に向上させる。
論文 参考訳（メタデータ） (2025-11-03T11:24:06Z) - Adaptive Source-Channel Coding for Semantic Communications [48.13990936094994]
セマンティック通信 (Semantic Communications, SemComs) は, 共同データとタスク指向の伝送において, 有望なパラダイムとして登場した。
SemComsの現在のジョイントソースチャネル符号化(JSCC)は、既存の通信システムと互換性がない。
並列ガウスチャネル上でのSemComsの適応型ソースチャネル符号化方式を提案する。
論文 参考訳（メタデータ） (2025-08-11T13:09:54Z) - Latent Diffusion Model Based Denoising Receiver for 6G Semantic Communication: From Stochastic Differential Theory to Application [11.385703484113552]
生成人工知能(GAI)を利用した新しい意味コミュニケーションフレームワークを提案する。
意味的特徴抽出のための変分オートエンコーダを組み合わせた潜在拡散モデル(LDM)に基づくセマンティックコミュニケーションフレームワークを提案する。
提案システムはゼロショットの一般化をサポートし,低SNRおよびアウト・オブ・ディストリビューション条件下での優れた性能を実現する訓練自由フレームワークである。
論文 参考訳（メタデータ） (2025-06-06T03:20:32Z) - Continual Learning-Aided Super-Resolution Scheme for Channel Reconstruction and Generalization in OFDM Systems [11.06722464955919]
我々は、チャネル再構成と一般化のためのニューラルネットワークをそれぞれ設計する、効率的なOFDMチャネル推定のための新しいスキームを利用する。
前者に対しては、パイロット位置のチャネルを全時間周波数チャネルにマッピングするための二重アテンション支援型超解像ニューラルネットワーク(DA-SRNN)を提案する。
後者では、ニューラルネットワークを異なるチャネル分布に適応させるために、継続学習(CL)支援トレーニング戦略を導入する。
論文 参考訳（メタデータ） (2025-02-28T01:31:13Z) - 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。
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。