論文の概要: Optimal Power Allocation and AI Receiver Design for Superimposed DMRS and Data Transmission
- arxiv url: http://arxiv.org/abs/2608.13809v1
- Date: Thu, 13 Aug 2026 22:42:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-17 20:14:29.220773
- Title: Optimal Power Allocation and AI Receiver Design for Superimposed DMRS and Data Transmission
- Title（参考訳）: 重畳DMRSとデータ伝送のための最適パワーアロケーションとAI受信器設計
- Authors: Sha Hu, Zhongwang Fu,
- Abstract要約: 重畳(SI)復調-参照-シンボル(DMRS)とOFDMに基づくマルチインプット多重出力(MIMO)システムにおけるデータを用いた伝送について検討する。
チャネル推定における平均二乗誤差(MSE)間の反復的挙動を特徴付けるための解析的枠組みを導出する。
SI-DMRS伝送用トランスフォーマーエンコーダを用いた人工知能(AI)ベースの受信機を設計する。
- 参考スコア（独自算出の注目度）: 2.4493299476776778
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this paper, we consider transmissions with superimposed (SI) demodulation-reference-symbol (DMRS) and data in orthogonal frequency-division multiplexing (OFDM) based multiple-input multiple-output (MIMO) systems. First, we derive an analytical framework to characterize the iterative behavior between the mean-square errors (MSEs) of channel estimation (CE) and MIMO detection (MD) within an iterative CE and detection (ICED) process. This framework is subsequently utilized to optimize power allocation and pilot patterns between the DMRS and data symbols for SI-DMRS transmission. Second, we design an artificial intelligence (AI) based receiver built upon Transformer encoders for SI-DMRS transmissions, which incorporates an iterative CE and detection (ICED) structure. Simulation results demonstrate that the proposed AI-ICED receiver, combined with SI-DMRS, effectively increases spectral efficiency (SE) compared to conventional systems using non-overlapped DMRS and data symbols.
- Abstract（参考訳）: 本稿では、直交周波数分割多重化(OFDM)に基づくMIMO(Multiple-input multiple-output)システムにおける、重ね合わせ(SI)復調-参照-シンボル(DMRS)とデータを用いた伝送について検討する。
まず,チャネル推定 (CE) の平均二乗誤差 (MSE) とMIMO検出 (MD) の反復CEと検出 (ICED) の繰り返し挙動を特徴付ける解析的枠組みを導出する。
このフレームワークはその後、SI-DMRS送信のためのDMRSとデータシンボル間の電力割り当てとパイロットパターンの最適化に使用される。
第2に、SI-DMRS伝送用トランスフォーマーエンコーダをベースとした人工知能(AI)ベースの受信機を設計し、反復CEと検出(ICED)構造を組み込んだ。
シミュレーションの結果、SI-DMRSと組み合わせたAI-ICED受信機は、非オーバーラップDMRSとデータシンボルを用いた従来のシステムと比較して、スペクトル効率(SE)を効果的に向上することが示された。
関連論文リスト
- Joint Channel Estimation and Computation Offloading in Fluid Antenna-assisted MEC Networks [81.36647816787713]
チャネル推定の遅延を最小限に抑えるためのFA支援オフロードフレームワークを提案する。
提案方式は,効率的な通信を行う場合の精度を大幅に低下させることを示す。
論文 参考訳（メタデータ） (2025-09-16T08:48:44Z) - DNN-Based Precoding in RIS-Aided mmWave MIMO Systems With Practical Phase Shift [43.56429251312585]
本稿では、直接通信路を妨害したミリ波マルチインプット多重出力(MIMO)システムのスループットを最大化する。
リコンフィギュアブルインテリジェントサーフェス(RIS)は、視線(LoS)とマルチパス効果に関連するmmWave特性を考慮して伝送性を高めるために使用される。
ディープニューラルネットワーク(DNN)は、より高速なコードワード選択を容易にするために開発された。
論文 参考訳（メタデータ） (2025-07-03T17:35:06Z) - ESTformer: Transformer utilising spatiotemporal dependencies for electroencephalogram super-resolution [17.375026288273794]
変換器をベースとした買収依存を利用したEEGフレームワークを開発した。
EEG SRタスクのためのTransformerは、EEG SRタスクのためのTransformerの汎用性を示す。
脳波に基づく人物識別と感情認識タスクにおいて,SRデータの優位性を検証した。
論文 参考訳（メタデータ） (2023-12-03T12:26:32Z) - An ML-assisted OTFS vs. OFDM adaptable modem [1.8492669447784602]
OTFSおよびOFDM波形は、レガシーアーキテクチャの再利用、レシーバ設計の単純さ、低複雑さ検出の利点を享受する。
本稿では,送信機におけるOTFSまたはOFDM信号処理チェーンと受信機とを切り替えて,平均二乗誤差(MSE)性能を最適化するディープニューラルネットワーク(DNN)に基づく適応方式を提案する。
論文 参考訳（メタデータ） (2023-09-04T02:33:44Z) - Detect to Learn: Structure Learning with Attention and Decision Feedback
for MIMO-OFDM Receive Processing [25.66317464603635]
本稿では、パイロットシンボルを効率的に利用し、検出されたペイロードデータで動的に更新できるオンラインアテンションベースのアプローチであるRC-AttStructNet-DFを提案する。
DF機構は、検出されたデータシンボルを介してチャネル変化を動的に追跡することにより、検出性能をさらに向上する。
論文 参考訳（メタデータ） (2022-08-17T20:01:05Z) - 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) - LoRD-Net: Unfolded Deep Detection Network with Low-Resolution Receivers [104.01415343139901]
本稿では,1ビット計測から情報シンボルを復元する「LoRD-Net」というディープ検出器を提案する。
LoRD-Netは、関心のシグナルを回復するためのタスクベースのアーキテクチャである。
無線通信における1ビット信号回復のためのレシーバアーキテクチャの評価を行った。
論文 参考訳（メタデータ） (2021-02-05T04:26:05Z) - Massive MIMO As an Extreme Learning Machine [83.12538841141892]
低分解能アナログ・デジタルコンバータ(ADC)を用いたMIMOシステムによる自然極端学習機械(ELM)の試作
受信した信号にランダムなバイアスを加え、ELM出力の重みを最適化することにより、システムはハードウェアの障害に効果的に取り組むことができる。
論文 参考訳（メタデータ） (2020-07-01T04:15:20Z)
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。