論文の概要: Geometry-Aided Channel Deduction with Partial Channel Estimates and Uncalibrated Digital Twin

• arxiv url: http://arxiv.org/abs/2609.37277v1
• Date: Tue, 29 Sep 2026 11:19:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.43964
• Title: Geometry-Aided Channel Deduction with Partial Channel Estimates and Uncalibrated Digital Twin
• Title（参考訳）: 部分チャネル推定値と非校正ディジタル双対を用いた幾何支援チャネル推論
• Abstract要約: 本稿では,環境形状と位置を近似したディジタルツイン (DT) を用いた幾何支援チャネル推論 (GCD) 手法を提案する。 この目的のために、我々はまず、チャネルの単純な構造情報のみを含むDTから幾何学的特徴を抽出する。 その後、プロンプトは、パイロットベースの瞬時チャネル推定と、チャネル導出ネットワークを介して融合される。
• 参考スコア（独自算出の注目度）: 47.296715885394015
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The acquisition of high-dimensional channel state information (CSI) in wireless MIMO-OFDM communications usually requires high pilot overhead, or relies on accurate and complete positional or environmental information. In this paper, we propose a geometry-aided channel deduction (GCD) approach, which utilizes an uncalibrated digital twin (DT) with only approximate environmental geometry and positions to assist the channel acquisition. The key rationale behind is that, even imprecise geometric information, which can be easily obtained in advance through radio sensing technologies or existing geographic databases, provides certain structural features about the current channel; meanwhile, the coarse instantaneous channel estimates using only a small amount of pilots provide dedicated information that aligns with the channel structure and further compensates for the geometry inaccuracy and other channel unknowns. To this end, we first extract geometric features from the DT, which contain only simple structural information of the channel. Then we propose random prompt augmentation, a novel method to generate an appropriate prompt that converts geometric multi-path structure into a CSI-like representation while suppressing the disturbance of other unknown channel parameters. The prompt is then fused with the pilot-based instantaneous channel estimate via a channel deduction network. To further enhance the network's versatility, we incorporate pilot configurations into the existing learning architecture to support variable pilot patterns. Comprehensive experiments validate the superiority of the proposed method, which demonstrates high channel acquisition quality, low pilot overhead, and strong robustness. Furthermore, the structural prompt also serves as scenario-related context, enabling our approach to generalize well in new scenarios.
• Abstract（参考訳）: 無線MIMO-OFDM通信における高次元チャネル状態情報(CSI)の取得は通常、高いパイロットオーバーヘッドを必要とする。 本稿では, 近似環境幾何学と位置しか持たない非校正型ディジタルツイン (DT) を用いて, チャネル取得を支援する幾何学支援チャネル推論 (GCD) 手法を提案する。 背景にある重要な根拠は、無線センシング技術や既存の地理データベースを通じて容易に得ることができる不正確な幾何学的情報でさえ、現在のチャネルに関する特定の構造的特徴を提供する一方で、少数のパイロットしか使用していない粗い瞬時チャネル推定は、チャネル構造と整合し、幾何学的不正確性や他のチャネル未知性に対してさらに補償する専用の情報を提供するということである。 この目的のために、我々はまず、チャネルの単純な構造情報のみを含むDTから幾何学的特徴を抽出する。 そこで我々は,未知のチャネルパラメータの乱れを抑えつつ,幾何学的マルチパス構造をCSIのような表現に変換するための新しいプロンプトであるランダムプロンプト拡張を提案する。 その後、プロンプトは、パイロットベースの瞬時チャネル推定と、チャネル導出ネットワークを介して融合される。 ネットワークの汎用性をさらに向上するため、既存の学習アーキテクチャにパイロット構成を組み込んで、可変パイロットパターンをサポートする。 提案手法の総合実験により, 高いチャネル取得品質, パイロットオーバヘッドの低減, 強靭性を実証した。 さらに、構造的プロンプトはシナリオ関連コンテキストとしても機能し、新しいシナリオにおいて我々のアプローチをうまく一般化することができる。

関連論文リスト

• Fast Cross-Scenario Adaptation of CSI Models via Channel Conditional Parameter Generation [71.49439535846827]
  Conditional Channel Generation (CCPG) は、動的無線環境におけるCSIモデルの迅速な展開のためのエンドツーエンドパイプラインである。 CCPGは、コンポーネント凍結実験を通じてシーンに敏感な適応ボトルネックを特定し、軽量なLoRA重みのみを生成する。 CSIフィードバックとチャネル推定のためのDeepMIMOとWAIR-Dの実験は、CCPGが1回の前進パスで約3秒で新しいシナリオに適応することを示している。
  論文  参考訳（メタデータ） (2026-06-22T13:20:01Z)
• Environment-Aware Channel Inference via Cross-Modal Flow: From Multimodal Sensing to Wireless Channels [45.969793510760645]
  この論文では、マルチモーダル観測から直接完全なCSIを推定するパイロットフリーチャネル推定について検討する。 本研究では,センサ・チャネル間マッピングをモーダル間フローマッチング問題として定式化するデータ駆動型フレームワークを開発した。 実験では,シオンナとブレンダーをベースとした手続き型データ生成装置を構築し,センシングシーンのリアルなモデリングと無線伝搬を支援する。
  論文  参考訳（メタデータ） (2025-12-04T16:35:09Z)
• An I2I Inpainting Approach for Efficient Channel Knowledge Map Construction [33.648491554358]
  本研究では,ラプラシアンピラミッド (LP) を用いたCKM構築手法を提案する。 提案手法は高い一般化能力を有し,異なる無線通信シナリオで実装可能である。
  論文  参考訳（メタデータ） (2024-06-14T08:24:52Z)
• Low-Overhead Channel Estimation via 3D Extrapolation for TDD mmWave Massive MIMO Systems Under High-Mobility Scenarios [41.213515826100696]
  高モビリティのシナリオでは、チャネルの老朽化のため、頻繁にアップリンクチャネルを推定する必要がある。 本稿では,空間,周波数,時間領域にまたがる3領域(3D)チャネル外挿フレームワークを提案する。 数値実験の結果,提案手法はパイロット訓練のオーバーヘッドを16倍に抑えることができた。
  論文  参考訳（メタデータ） (2024-06-13T07:42:25Z)
• Distributed Deep Joint Source-Channel Coding with Decoder-Only Side Information [6.411633100057159]
  本稿では,受信側のみに相関する側情報が存在する場合,ノイズの多い無線チャネル上での低遅延画像伝送について検討する。 本稿では,デコーダのみの側情報をレシーバ側の複数段階に組み込んだ新しいニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-10-06T15:17:45Z)
• Deep Generative Models for Downlink Channel Estimation in FDD Massive MIMO Systems [13.267048706241157]
  この課題に対処するために, 深部生成モデル(DGM)に基づく手法を提案する。 アップリンクチャネルとダウンリンクチャネルの部分的相互性を実行し、まず、周波数非依存のチャネルパラメータを推定する。 次に、各伝搬路の位相である周波数固有チャネルパラメータをダウンリンクトレーニングにより推定する。
  論文  参考訳（メタデータ） (2022-03-09T18:32:10Z)
• Semi-Supervised Learning for Channel Charting-Aided IoT Localization in Millimeter Wave Networks [97.66522637417636]
  ミリ波ネットワークにおけるチャネルチャート(CC)支援の新たな枠組みを提案する。 特に,無線機器の3次元位置を推定するために,畳み込み型オートエンコーダモデルを提案する。 フレームワークは半教師付きフレームワークに拡張され、オートエンコーダは2つのコンポーネントに分割される。
  論文  参考訳（メタデータ） (2021-08-03T14:41:38Z)
• Group Fisher Pruning for Practical Network Compression [58.25776612812883]
  本稿では,様々な複雑な構造に応用可能な汎用チャネルプルーニング手法を提案する。 我々は、単一チャネルと結合チャネルの重要性を評価するために、フィッシャー情報に基づく統一されたメトリクスを導出する。 提案手法は,結合チャネルを含む任意の構造をプルークするために利用できる。
  論文  参考訳（メタデータ） (2021-08-02T08:21:44Z)
• 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)
• Deep Denoising Neural Network Assisted Compressive Channel Estimation for mmWave Intelligent Reflecting Surfaces [99.34306447202546]
  本稿では,mmWave IRSシステムに対するディープデノイングニューラルネットワークを用いた圧縮チャネル推定法を提案する。 我々はまず、受信チェーンをほとんど使わず、アップリンクのユーザ-IRSチャネルを推定するハイブリッド・パッシブ/アクティブIRSアーキテクチャを導入する。 完全チャネル行列は、圧縮センシングに基づいて限られた測定値から再構成することができる。
  論文  参考訳（メタデータ） (2020-06-03T12:18:57Z)

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。