論文の概要: Machine Learning for Underwater Optical Wireless Communication Systems: A Comprehensive Survey

• arxiv url: http://arxiv.org/abs/2609.22294v1
• Date: Mon, 14 Sep 2026 09:17:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 03:38:27.366186
• Title: Machine Learning for Underwater Optical Wireless Communication Systems: A Comprehensive Survey
• Title（参考訳）: 水中光無線通信システムのための機械学習:包括的調査
• Abstract要約: 水中光無線通信(UOWC)は,高速水中データ伝送のための有望な技術である。 しかし、水中媒体は、リンク性能と通信範囲の制限を低下させる深刻な障害を生じさせる。 このサーベイは、UOWCシステムパイプライン全体にわたって適用される機械学習(ML)メソッドの包括的なレビューを提供する。
• 参考スコア（独自算出の注目度）: 45.88028371034407
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Underwater Optical Wireless Communication (UOWC) has emerged as a promising technology for high-speed underwater data transmission, offering significantly higher bandwidth and lower latency compared to acoustic and Radio Frequency (RF) technologies. However, the underwater medium introduces severe impairments that degrade link performance and limit communication range. The growing complexity of these challenges has increased research interest in Machine Learning (ML) and Deep Learning (DL) approaches, which offer powerful tools for channel modeling, signal processing, and system adaptation in ways that conventional analytical methods struggle to achieve. This survey provides a comprehensive review of ML methods applied across the full UOWC system pipeline, covering channel modeling, transmitter design, receiver detection and equalization, link alignment, and emerging applications, including wireless power transfer, semantic communication, object detection, optical sensing, and localization. Finally, we discuss open challenges and future research directions to motivate further work in this rapidly growing field.
• Abstract（参考訳）: 水中光無線通信(UOWC)は、高速水中データ伝送のための有望な技術として登場しており、音響および無線周波数(RF)技術と比較して、帯域幅とレイテンシが大幅に向上している。 しかし、水中媒体は、リンク性能と通信範囲の制限を低下させる深刻な障害を生じさせる。 これらの課題の複雑さの増大は、従来の分析手法が達成に苦しむ方法で、チャネルモデリング、信号処理、システム適応のための強力なツールを提供する機械学習(ML)とディープラーニング(DL)アプローチに対する研究の関心を高めている。 この調査では、チャネルモデリング、送信機設計、受信機検出と等化、リンクアライメント、ワイヤレス電力転送、セマンティック通信、オブジェクト検出、光センシング、ローカライゼーションなど、UOWCシステムパイプライン全体に適用されるMLメソッドの包括的なレビューを提供する。 最後に、この急速に成長する分野におけるさらなる研究を動機付けるためのオープンな課題と今後の研究方向性について論じる。

関連論文リスト

• When Simultaneous Localization and Mapping Meets Wireless Communications: A Survey [27.447938258087632]
  本稿ではSLAMと無線通信のネクサスにおける最先端技術について調査する。 本稿では,無線信号伝搬,幾何チャネルモデリング,無線周波数(RF)に基づく局所化とセンシングに関する重要な概念の概要について述べる。 本稿では,無線通信路の最適経路を積極的に予測し,ランドマークを検出する画像処理手法を示す。
  論文  参考訳（メタデータ） (2026-01-28T09:49:21Z)
• Deep Learning-based Techniques for Integrated Sensing and Communication Systems: State-of-the-Art, Challenges, and Opportunities [54.12860202362483]
  本稿では,統合型センシング・通信(ISAC)システムにおける深層学習(DL-based)技術の最近の発展と研究を概観的にレビューする。 ISACは、車載ネットワークや産業用ロボティクスなど、多くの新興アプリケーションにおいて、センサーと通信機能の両方を必要とするため、6Gおよびネットワーク以上の重要なイネーブラーと見なされている。 従来の手法の代替として、DLベースの手法は計算複雑性を減らした効率的でほぼ最適のソリューションを提供する。
  論文  参考訳（メタデータ） (2025-08-23T22:27:51Z)
• DRL-based Dolph-Tschebyscheff Beamforming in Downlink Transmission for Mobile Users [52.9870460238443]
  学習可能なDolph-Tschebyscheffアンテナアレイを用いた深部強化学習に基づくブラインドビームフォーミング手法を提案する。 シミュレーションの結果,提案手法は最良値に非常に近いデータレートをサポートできることが示唆された。
  論文  参考訳（メタデータ） (2025-02-03T11:50:43Z)
• Deep learning approaches to indoor wireless channel estimation for low-power communication [0.0]
  本稿では,LP-IoT通信における高精度チャネル推定にRSSIを利用する,FCNNを用いた2つの低電力チャネル推定モデルを提案する。 我々のモデルAは平均二乗誤差(MSE)の99.02%の顕著な減少を示し、モデルBは現在の研究で設定されたベンチマークと比較して90.03%のMSEの減少を示す。
  論文  参考訳（メタデータ） (2024-05-21T00:36:34Z)
• Generative AI for Physical Layer Communications: A Survey [76.61956357178295]
  生成人工知能(GAI)は、デジタルコンテンツ生産の効率を高める可能性がある。 複雑なデータ分散を分析するGAIの能力は、無線通信にとって大きな可能性を秘めている。 本稿では、信号分類、チャネル推定、等化といった従来の問題から、インテリジェントな反射面やジョイントソースチャネル符号化といった新たなトピックまで、GAIの物理層での通信への応用に関する包括的な調査を行う。
  論文  参考訳（メタデータ） (2023-12-09T15:20:56Z)
• An Efficient Machine Learning-based Channel Prediction Technique for OFDM Sub-Bands [0.0]
  我々はOFDMサブバンドにおけるチャネル予測のための効率的な機械学習(ML)に基づく手法を提案する。 提案手法の新規性は、選択的なフェーディングにおける将来のチャネル挙動を推定するために使用されるチャネルフェーディングサンプルのトレーニングにある。
  論文  参考訳（メタデータ） (2023-05-31T09:41:27Z)
• 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)
• Multi-task Learning Approach for Modulation and Wireless Signal Classification for 5G and Beyond: Edge Deployment via Model Compression [1.218340575383456]
  将来的な通信網は、異種無線デバイスの成長に対応するために、少ないスペクトルに対処する必要がある。 我々は、深層ニューラルネットワークに基づくマルチタスク学習フレームワークの可能性を利用して、変調と信号分類タスクを同時に学習する。 公共利用のための包括的ヘテロジニアス無線信号データセットを提供する。
  論文  参考訳（メタデータ） (2022-02-26T14:51:02Z)
• Signal Processing and Machine Learning Techniques for Terahertz Sensing: An Overview [89.09270073549182]
  テラヘルツ(THz)信号生成と放射法は、無線システムの未来を形作っている。 THz 固有の信号処理技術は、THz 帯域の効率的な利用のために、この THz センシングへの関心を補う必要がある。 本稿では,信号前処理に着目した手法の概要を示す。 また,THz帯で有望な知覚能力を探索し,深層学習の有効性についても検討した。
  論文  参考訳（メタデータ） (2021-04-09T01:38:34Z)
• Predicting the Path Loss of Wireless Channel Models Using Machine Learning Techniques in MmWave Urban Communications [13.026091318474785]
  従来の無線通信チャネルモデリングは、決定論的およびチャネル手法を用いて行われる。 機械学習(ML)は、5G以降のシステム設計に革命をもたらす。
  論文  参考訳（メタデータ） (2020-05-02T08:19:18Z)

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。