論文の概要: SNR-Gated LSTM-Conditioned Diffusion Model for MIMO Channel Estimation
- arxiv url: http://arxiv.org/abs/2610.08977v1
- Date: Tue, 06 Oct 2026 18:39:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.557266
- Title: SNR-Gated LSTM-Conditioned Diffusion Model for MIMO Channel Estimation
- Title（参考訳）: MIMOチャネル推定のための SNR-Gated LSTM-Conditioned Diffusion Model
- Abstract要約: 本稿では,チャネル推定のための時系列条件付き拡散フレームワークを提案する。
本研究では,長期記憶(LSTM)ネットワークで条件情報を符号化した拡散復号器を訓練する。
観測精度のバランスをとるために, 学習可能なSNR式遅延核融合ショートカットを導入する。
- 参考スコア（独自算出の注目度）: 3.513570971727102
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate and low latency channel estimation is critical for modern MIMO systems, particularly under mobility, where channels exhibit structured sparsity and strong temporal correlation. This paper proposes a time-series conditioned diffusion framework for channel estimation that performs denoising in the angular domain. Starting from least squares (LS) observations, we train a diffusion denoiser whose conditioning information is encoded by a long short-term memory (LSTM) network over a short observation sequence, enabling the model to exploit temporal dynamics beyond per-snapshot estimation. To robustly balance observation fidelity and learned generative priors across a wide signal-to-noise ratio (SNR) range, we introduce a learnable SNR-gated late-fusion shortcut that injects the network input into the final decoding stage through a sigmoid gate with trainable center and scale. To reduce inference latency, we adopt deterministic denoising diffusion implicit model (DDIM) style reverse updates with SNR-adaptive truncation and step allocation, which significantly reduces the number of reverse diffusion steps at high SNR while maintaining strong performance in low SNR regimes. Simulations on time-evolving standardized channel models demonstrate that the proposed method achieves consistent performance gains over existing diffusion-based channel estimation baselines, while retaining low latency through SNR-adaptive inference.
- Abstract（参考訳）: 高精度かつ低レイテンシなチャネル推定は、最近のMIMOシステム、特に移動性において重要であり、チャネルは構造的空間性と強い時間的相関を示す。
本稿では,チャネル推定のための時系列条件付き拡散フレームワークを提案する。
最小二乗法(LS)観測から、短い観測シーケンス上の長期記憶(LSTM)ネットワークで条件情報を符号化した拡散復号器を訓練し、スナップショット当たり推定以上の時間的ダイナミクスを活用できるようにする。
広帯域信号-雑音比(SNR)の範囲で観測精度と生成前処理のバランスをとるために、トレーニング可能な中心と規模を持つシグモノイドゲートを介して最終復号段階にネットワーク入力を注入する学習可能なSNRゲート遅延融合ショートカットを導入する。
推論遅延を低減するために,SNR適応トランケーションとステップアロケーションを併用した決定論的拡散暗黙モデル (DDIM) 方式のリバースアップデートを採用し,低SNR体制下での強い性能を維持しながら高いSNRにおける逆拡散ステップの数を大幅に削減する。
時間進化型標準化チャネルモデルのシミュレーションにより,SNR適応推論による低レイテンシを維持しつつ,既存の拡散型チャネル推定ベースラインよりも一貫した性能向上を実現することを示す。
関連論文リスト
- SATB-VR: Training Few-Step Video Restoration Diffusion Model using SNR-Aware Trajectory Blending [55.764018145256216]
本稿では,補助予測器を介してデノナイジングプロセスを開始する数ステップのパラダイムであるSATB-VRを提案する。
我々は,SATB-VRが,合成,実世界,AIGCベンチマークにおける既存のアプローチに対して良好に動作することを示す。
論文 参考訳（メタデータ） (2026-06-27T01:32:16Z) - Null-Space Flow Matching for MIMO Channel Estimation in Latency-Constrained Systems [8.479186000343482]
本稿では、パイロット限定チャネル推定をレンジ空間再構成問題とヌル空間生成問題に分解するヌル空間フローマッチング(FM)フレームワークを提案する。
提案手法は,3ms程度の厳密な遅延予算下であっても,競合正規化平均二乗誤差(NMSE)を実現することを示す。
論文 参考訳（メタデータ） (2026-04-23T18:49:06Z) - Channel Estimation for RIS-Assisted mmWave Systems via Diffusion Models [32.962034180176865]
再構成可能なインテリジェントサーフェス(RIS)は次世代無線通信の有望な技術として認識されている。
RIS支援システムの性能は正確なチャネル状態情報(CSI)に依存している
拡散モデル(DM)に基づくRIS支援ミリ波(mmWave)システムのための新しいチャネル推定法を提案する。
論文 参考訳（メタデータ） (2025-06-09T13:46:44Z) - DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。
フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
論文 参考訳（メタデータ） (2024-06-05T06:18:03Z) - Diffusion-based Generative Prior for Low-Complexity MIMO Channel
Estimation [12.192048506302015]
本研究は拡散モデルに基づく新しいチャネル推定器を提案する。
信号対雑音比(SNR)情報を位置埋め込みしたCNNは、疎角領域におけるチャネル分布を学習して設計する。
その結果, 生成前駆体を用いた最先端チャネル推定装置よりも優れた性能を示した。
論文 参考訳（メタデータ） (2024-03-06T08:47:31Z) - Deep Reinforcement Learning for IRS Phase Shift Design in
Spatiotemporally Correlated Environments [93.30657979626858]
本稿では,チャネル相関と目的地動きを考慮したディープアクター批判アルゴリズムを提案する。
チャネルが時間的に相関している場合、コンバージェンスを抑制する方法において、関数近似を伴う状態表現にSNRを組み込むことが示される。
論文 参考訳（メタデータ） (2022-11-02T22:07:36Z) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳（メタデータ） (2022-05-22T12:16:43Z) - Predicting the temporal dynamics of turbulent channels through deep
learning [0.0]
最小乱流チャネル流の時間的進化を再現するニューラルネットワークの能力を評価することを目的としている。
長期記憶(LSTM)ネットワークとクープマンベースのフレームワーク(KNF)は、最小チャネルフローモードの時間ダイナミクスを予測するために訓練される。
論文 参考訳（メタデータ） (2022-03-02T09:31:03Z) - Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。
推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。
提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
論文 参考訳（メタデータ） (2021-07-27T06:57:56Z) - Deep Networks for Direction-of-Arrival Estimation in Low SNR [89.45026632977456]
我々は,真の配列多様体行列の変異チャネルデータから学習した畳み込みニューラルネットワーク(CNN)を導入する。
我々は低SNR体制でCNNを訓練し、すべてのSNRでDoAを予測する。
私たちの堅牢なソリューションは、ワイヤレスアレイセンサーから音響マイクロフォンやソナーまで、いくつかの分野に適用できます。
論文 参考訳（メタデータ） (2020-11-17T12:52:18Z)
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。