強化学習によるMIMOシステムのためのセミデータ支援チャネル推定【JST・京大機械翻訳】

Kim Tae-Kyoung; Jeon Yo-Seb; Li Jun; Tavangaran Nima; Poor H. Vincent

プレプリント

J-GLOBAL ID：202202208051564990 整理番号：22P0324549

強化学習によるMIMOシステムのためのセミデータ支援チャネル推定【JST・京大機械翻訳】

Semi-Data-Aided Channel Estimation for MIMO Systems via Reinforcement Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年04月03日プレプリントサーバーでの情報更新日： 2022年04月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

データ支援チャネル推定は,初期チャネル推定を更新するためのパイロット信号としてデータシンボルを利用することにより,チャネル推定精度を改善する有望な解決策である。本論文では,多入力多出力通信システムのための半データ支援チャネル推定器を提案する。本戦略は,送信データブロックの最初の部分において,記号の中で信頼できる検出記号を選択するための強化学習(RL)を活用することである。この戦略は,データブロック伝送の終了前のチャネル推定の更新を促進し,従って,従来のデータ支援チャネル推定手法と比較して通信待ち時間の大幅な低減を達成した。この目的に向けて,まず,追加パイロット信号として各検出シンボルを使用するかどうかを順次決定するMarkov決定プロセス(MDP)を定義した。次に,モンテカルロツリー探索アプローチに基づくMDPの最良ポリシーを効率的に見つけるためのRLアルゴリズムを開発した。このアルゴリズムでは,MDPの最適の将来行動と対応する状態遷移の両方を近似するための事後確率を利用し,最良のポリシーに対する閉形式表現を導いた。シミュレーション結果は,提案したチャネル推定器が,不十分なパイロット信号に起因するチャネル推定誤差と検出性能損失の両方を効果的に緩和することを示した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

移動通信

, , , ,

前のページに戻る