論文の概要: JEPA-Inspired Latent Field Prediction for Sparse-Pilot MIMO-OFDM Channel Reconstruction
- arxiv url: http://arxiv.org/abs/2610.37391v1
- Date: Tue, 27 Oct 2026 15:14:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.673217
- Title: JEPA-Inspired Latent Field Prediction for Sparse-Pilot MIMO-OFDM Channel Reconstruction
- Title（参考訳）: スパースパイロットMIMO-OFDMチャネル再構成のためのJEPAによる潜伏場予測
- Abstract要約: スパース・パイロット・チャネル再構成のための無線伝搬場の潜在予測モデルを提案する。
提案手法は,パイロットオンリーおよび直接再構成ベースラインに対する正規化平均二乗誤差を改善する。
- 参考スコア（独自算出の注目度）: 12.1007556798276
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate acquisition of full channel state information (CSI) is essential for multiple-input multiple-output orthogonal frequency-division multiplexing (MIMO-OFDM) wireless systems, while dense pilot-based estimation incurs substantial overhead. Directly minimizing the prediction error over raw CSI coefficients is fragile in realistic propagation environments, since small-scale fading, mobility, local scattering, and small spatial perturbations can induce large phase-sensitive variations. Nevertheless, wireless channels contain strong spatial, temporal, and frequency-domain correlations that can be more predictably represented in a latent propagation-field domain. Motivated by this observation, we propose a joint-embedding predictive architecture (JEPA)-inspired field world model, defined as a latent predictive model of the wireless propagation field, for sparse-pilot channel reconstruction. The model maps CSI observations into latent time-frequency tokens, predicts masked or future latent field states from historical multi-band context, and fuses the predicted latent prior with sparse noisy current pilots to reconstruct the full MIMO-OFDM channel. Ray-tracing experiments show that the proposed method improves normalized mean square error (NMSE) over pilot-only and direct reconstruction baselines, supporting latent field prediction as an effective prior for sparse-pilot channel acquisition.
- Abstract（参考訳）: 完全チャネル状態情報(CSI)の正確な取得は、マルチインプットの直交周波数分割多重化(MIMO-OFDM)無線システムには不可欠である。
生のCSI係数の予測誤差を直接最小化することは、小さなスケールのフェーディング、移動性、局所散乱、および小さな空間摂動が大きな位相依存性の変動を引き起こすため、現実的な伝搬環境において脆弱である。
それでも、無線チャネルは強い空間的、時間的、周波数領域の相関を含み、遅延伝搬場領域でより予測可能となる。
本研究は,無線伝搬場における遅延予測モデルとして定義されているJEPA(Joint-embedding predictive Architecture)に基づく,スパース・パイロット・チャネル再構築のためのフィールドワールドモデルを提案する。
このモデルは、CSI観測を遅延時間帯トークンにマッピングし、過去のマルチバンドコンテキストからマスクまたは将来の潜伏場状態を予測し、予測された潜伏状態にノイズの多い現在のパイロットを融合させ、完全なMIMO-OFDMチャネルを再構築する。
レイトレーシング実験により,提案手法はパイロット専用および直接再構成ベースラインよりも正規化平均二乗誤差(NMSE)を向上し,スパース・パイロット・チャネル獲得の有効な先行先として潜場予測を支援する。
関連論文リスト
- Generative Refinement Learning for Temporal Interpolation in Scientific Machine Learning [51.277198654134615]
固定格子点における平均的な観測は誤差を生じさせる可能性があり、運動推定だけでは物理場の値がどう変化するかは決定できない。
まず,各格子点における2つの観測値の重み付き平均値を用いて,その不足領域を補間的フラウ・エクスパートで推定する。
トレーニング中、観測された中間体からこの推定を減じると、条件拡散モデルが生成することを学習する残余が得られる。
論文 参考訳（メタデータ） (2026-10-27T07:08:23Z) - JEPA-kMMVAE: CSI Prediction for Time-Varying Wireless Channels [6.089826534796873]
本稿では, ニューラルネットワークを用いたチャネル状態情報(CSI)予測を, ノイズの多い歴史的観測から検討する。
我々は,共同埋め込み型予測アーキテクチャとkメモリ型マルコフ変分オートエンコーダを組み合わせたJEPA-kMMVAEを提案する。
論文 参考訳（メタデータ） (2026-10-09T09:58:03Z) - SpaceDiffusion: Over-the-Orbit Diffusion for Space Generate-and-Forward Communications [49.1286806757327]
本稿では,GF(Generator-and-forward)通信と呼ばれる新しいリレー方式を提案する。
衛星支援画像伝送のための超軌道拡散フレームワークであるSpaceDiffusionを提案する。
実験により,SpaceDiffusionはDF方式に比べてエンドツーエンドのレイテンシが低いことを示す。
論文 参考訳（メタデータ） (2026-09-17T13:07:45Z) - Making Every Step Count: Spatio-Temporal Information Allocation for Imaging Inverse Problems [63.904793414062816]
スペクトルベーススケジューリング(SAS)と計測分割アテンション(MPA)の2つの補完的およびトレーニング不要なコンポーネントを紹介する。
SASは、利用可能なNFEを、スペクトルおよびlogSNR幾何に従ってフロータイムに分散し、セマンティック探索と詳細精細化のバランスを良くする。
MPAは情報を弱い制約のある領域へ誘導し、意味的および構造的忠実性を高める。
論文 参考訳（メタデータ） (2026-08-12T07:39:22Z) - RadioTrace: Transmitter-Aware Diffusion for Radio Map Estimation without Deployment-Time Fine-Tuning [12.743046925489663]
無線マップ(RM)推定は,スパース測定から無線信号特性の空間分布を再構成することを目的としている。
ディープラーニングを含む従来のアプローチでは、複雑な伝播効果を捉えるのに苦労するか、新しいサンプリングパターンごとに大規模な再トレーニングが必要になる。
デプロイ時の微調整を伴わない新しいRM推定フレームワークであるRadioTraceを提案する。
論文 参考訳（メタデータ） (2026-07-23T04:18:39Z) - Posterior Augmented Flow Matching [64.1559809786948]
後拡張フローマッチング(PAFM)はフローマッチング(FM)の一般化である
PAFMは、異なるモデルスケールで最大3.4FID50KでFMよりも改善されていることを示す。
論文 参考訳（メタデータ） (2026-05-01T17:59:59Z) - 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) - RSS map-assisted MIMO channel estimation in the upper mid-band under pilot constraints [10.076629346147639]
本稿では,モデルに基づくチャネル推定とディープネットワークを組み合わせた新しい物理インフォームドニューラルネットワーク(PINN)フレームワークを提案する。
最先端の手法と比較して、NMSEでは5dB以上のゲインを達成している。
多段階の時間予測のためにデコーダを拡張し、単一の推定値から将来の複数のチャネルスナップショットの正確な予測を可能にする。
論文 参考訳（メタデータ） (2026-02-18T17:41:20Z) - 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) - Generative Modeling with Phase Stochastic Bridges [49.4474628881673]
拡散モデル(DM)は、連続入力のための最先端の生成モデルを表す。
我々はtextbfphase space dynamics に基づく新しい生成モデリングフレームワークを提案する。
我々のフレームワークは、動的伝播の初期段階において、現実的なデータポイントを生成する能力を示す。
論文 参考訳（メタデータ） (2023-10-11T18:38:28Z)
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。