文献

J-GLOBAL ID：202102242934473400   整理番号：21A0666446

相関大規模MIMO検出のための深いアンフォールディング支援Gauss信念伝搬【JST・京大機械翻訳】

Deep Unfolding-Aided Gaussian Belief Propagation for Correlated Large MIMO Detection

著者 (6件)： Shirase Daichi (Graduate School of Engineering, Osaka University,Suita,Japan,565-0871) ,  Takahashi Takumi (Graduate School of Engineering, Osaka University,Suita,Japan,565-0871) ,  Ibi Shinsuke (Faculty of Science and Engineering, Doshisha University,Kyotanabe,Japan,610-0394) ,  Muraoka Kazushi (NEC Corporation,Kawasaki,Kanagawa,Japan,211-8666) ,  Ishii Naoto (NEC Corporation,Kawasaki,Kanagawa,Japan,211-8666) ,  Sampei Seiichi (Graduate School of Engineering, Osaka University,Suita,Japan,565-0871)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： GLOBECOM  ページ： 1-6  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,相関フェージングチャネルの下での大規模マルチユーザ多入力多出力(MU-MIMO)検出のための,深いアンフォールディング支援信念伝搬(BP)を提案した。BPベースの検出器は,低複雑性と高精度の大規模MU検出(MUD)を実現するためのよく知られた戦略である。しかし,その収束特性は,RXアンテナ要素間の不十分な大規模システム条件と空間フェージング相関の下でひどく劣化する。この欠点を補償するために,BP構造に基づく良く組織化された訓練可能な内部パラメータを持つ訓練可能なGauss BP(T-GaBP)を設計した。これらのパラメータは,非折畳みGaBPの信号フローグラフにおける深層学習技術によって最適化される。この手法は,データ駆動チューニングと呼ばれる。システムモデルに従ってパラメータを訓練することにより,T-GaBPは,理想的な非相関大規模MIMO推定とは異なる実際のシステム構成においても高い検出能力を維持することができる。数値結果は,提案した検出器が収束特性を改善し,相関MUDにおける切断エッジ期待値伝搬(EP)検出器に匹敵する検出性能を達成し,計算コストが低いことを示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  シグナルフローグラフ ,  期待値 ,  同調 ,  *デコンボリューション ,  システムモデル ,  大規模系 ,  検出器
準シソーラス用語： マルチユーザ ,  *MIMO ,  フェージングチャネル ,  *信念伝搬 ,  高精度 ,  計算コスト ,  低複雑性 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 相関 ,  大規模MIMO ,  アンフォールディング ,  支援 ,  信念伝搬