論文の概要: Consistency Learning and Distillation for One-Step MIMO-OFDM Channel Estimation

• arxiv url: http://arxiv.org/abs/2611.06271v1
• Date: Wed, 04 Nov 2026 10:16:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.054483
• Title: Consistency Learning and Distillation for One-Step MIMO-OFDM Channel Estimation
• Title（参考訳）: ワンステップMIMO-OFDMチャネル推定のための一貫性学習と蒸留
• Abstract要約: 反復型ニューラルネットワーク推定器は、パイロット汚染下での回復を改善することができるが、繰り返しネットワーク評価は推論コストを増加させる。 本稿では,一段階のチャネル推定のための観測アンコレッド整合性とCMT (Consistency Mid-Training) 推定器を開発する。
• 参考スコア（独自算出の注目度）: 1.138723572165938
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Iterative neural channel estimators can improve recovery under pilot contamination, but repeated network evaluations increase inference cost. This paper develops observation-anchored consistency and Consistency Mid-Training (CMT) estimators for one-step channel estimation in multiple-input multiple-output orthogonal frequency-division multiplexing (MIMO-OFDM) systems. Both estimators refine pilot-derived least-squares channel estimates in the delay-beam domain. Consistency learning couples endpoint predictions along noisy-to-clean paths. CMT then refines a compact consistency-trained student to predict a flow-matching teacher's endpoint from intermediate trajectory states. Across the evaluated SNR range, the compact CMT student reduces uncoded symbol error rate (SER) by 9.6-20.2% relative to the one-step flow-matching baseline (0.44-0.98 dB in logarithmic SER reduction), while using 74.5% fewer parameters and 73.0% fewer network multiply-accumulates.
• Abstract（参考訳）: 反復型ニューラルネットワーク推定器は、パイロット汚染下での回復を改善することができるが、繰り返しネットワーク評価は推論コストを増加させる。 本稿では,多出力直交周波数分割多重化(MIMO-OFDM)システムにおいて,一段階のチャネル推定のための観測アンコレッド整合性およびCMT (Consistency Mid-Training) 推定器を開発する。 両方の推定器は、遅延ビーム領域におけるパイロット由来の最小二乗チャネル推定を精査する。 一貫性学習は、ノイズからクリーンな経路に沿ってエンドポイント予測を結合する。 その後、CMTはコンパクトな整合性学習生を改良し、中間軌道状態からフローマッチング教師の終点を予測する。 評価されたSNR範囲全体で、コンパクトCMT学生は、74.5%のパラメータと73.0%のネットワーク乗算累積を用いて、1ステップのフローマッチングベースライン(対数SERの0.44-0.98 dB)と比較して、符号なしのシンボル誤り率(SER)を9.6-20.2%削減する。

関連論文リスト

• TraceSampler: Making Sampling Errors Predictable and Correctable for Accelerated Generative Sampling [10.431528830940264]
  低ステップサンプリングはコストを削減するが、粗い更新では、生成品質の蓄積と劣化が可能なエンドポイントエラーが導入される。 我々は、事前訓練されたモデルを変更することなく、これらのエラーを修正するポストトレーニング手法であるTraceSamplerを紹介する。 TraceSamplerは、CIFAR-10上のRectified Flow、ImageNet-256上のSiT-XL/2、テキスト・画像生成のためのSD3.5 Mediumで評価されている。
  論文  参考訳（メタデータ） (2026-10-09T21:18:54Z)
• SNR-Gated LSTM-Conditioned Diffusion Model for MIMO Channel Estimation [3.513570971727102]
  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。
  論文  参考訳（メタデータ） (2026-10-06T18:39:12Z)
• CoDMD: Copula-aware Distribution Matching Distillation for Fast Video Generation [50.353919095724315]
  実世界のシナリオにおける効率的な展開の急激な需要により,ビデオ拡散モデルの蒸留が注目されている。 我々は,凍結教師とオンライン偽モデルによって既に生成されているスコア推定を再利用し,対関係行列を構成する軽量リレーショナルレギュレータであるCopula-Aware DMD(CoDMD)を提案する。 1.3Bと14BスケールのWan-2.1-T2Vモデルシリーズで、CoDMDは50ステップの教師を4ステップの学生に蒸留し、VBenchスコア84.46と84.87を達成しながら、およそ25$times$ Speed-upを達成した。
  論文  参考訳（メタデータ） (2026-06-20T10:33:14Z)
• Temporal Pair Consistency for Variance-Reduced Flow Matching [13.328987133593154]
  TPC(Temporal Pair Consistency)は、同じ確率経路に沿ってペア化された時間ステップで速度予測を結合する軽量な分散還元原理である。 フローマッチング内で確立されたTPCは、複数の解像度でCIFAR-10とImageNetのサンプル品質と効率を改善する。
  論文  参考訳（メタデータ） (2026-02-04T00:05:21Z)
• Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition [51.56484100374058]
  本稿では、スパース観測から低ランクテンソル完備化としてパイロットリミテッドチャネル推定を定式化する。 合成チャネル実験による最小二乗平均二乗誤差(NMSE)の最小二乗平均誤差(LS)に対する改善 DeepMIMO線トレーシングチャネルの評価では、純粋なテンソル法よりも24-44%NMSEが減少している。
  論文  参考訳（メタデータ） (2026-02-03T23:38:05Z)
• Generative Modeling with Continuous Flows: Sample Complexity of Flow Matching [60.37045080890305]
  本稿では,フローマッチングに基づく生成モデルにおいて,サンプルの複雑さを初めて解析する。 速度場推定誤差をニューラルネットワーク近似誤差、有限標本サイズによる統計的誤差、速度場推定のための有限個の最適化ステップによる最適化誤差に分解する。
  論文  参考訳（メタデータ） (2025-12-01T05:14:25Z)
• 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)
• Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
  Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
  論文  参考訳（メタデータ） (2023-10-01T05:07:17Z)
• Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
  大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。 一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。 本稿では2つの新しい推定法を提案する。
  論文  参考訳（メタデータ） (2021-09-06T13:42:32Z)
• 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)

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。