知的反射表面支援マルチユーザ通信におけるチャネル推定のための深層残差学習【JST・京大機械翻訳】

Liu Chang; Liu Xuemeng; Ng Derrick Wing Kwan; Yuan Jinhong

プレプリント

J-GLOBAL ID：202202219314496074 整理番号：21P0047009

知的反射表面支援マルチユーザ通信におけるチャネル推定のための深層残差学習【JST・京大機械翻訳】

Deep Residual Learning for Channel Estimation in Intelligent Reflecting Surface-Assisted Multi-User Communications

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 (4件)： , , ,
資料名：
発行年： 2020年09月02日プレプリントサーバーでの情報更新日： 2021年07月31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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

チャネル推定は,実用的インテリジェント反射表面支援マルチユーザ通信(IRS-MC)システムを実現する際の主要なタスクの1つである。しかし,従来の通信システムと異なり,IRS-MCシステムは,一般的に洗練された統計的分布を有するカスケードチャネルを含む。この場合,最適最小平均二乗誤差(MMSE)推定器は,実際に実装できない多次元積分の計算を必要とする。チャネル推定性能をさらに改善するために,本論文では,雑音除去問題としてチャネル推定をモデル化し,雑音のあるパイロットベース観測からチャネル係数を復元するための残差雑音を暗黙的に学習するために,深い残差学習(DReL)アプローチを採用した。この目的のために,まず,深い残差ネットワーク(DRN)ベースのMMSE推定器をBayes philosophy学の観点から導出する多目的DReLベースチャネル推定フレームワークを開発した。開発されたDReLフレームワークの実現として,畳み込みニューラルネットワーク(CNN)ベースのDRN(CDRN)をIRS-MCシステムにおけるチャネル推定のために提案し,その中で,雑音チャネル行列の空間特徴および雑音の付加的性質の両方を同時に利用するために,要素毎の減算構造を備えたCNN雑音除去ブロックを特別に設計した。特に,提案したCDRNの明示的表現を導出し,その特性を理論的に特性化するためにBayes推定の観点から解析した。最後に,シミュレーション結果により,提案した方法の性能は,チャネルの事前確率密度関数のアベイラビリティを必要とする最適MMSE推定器の性能に近づくことを示した。【JST・京大機械翻訳】

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

移動通信 , 信号理論

, , , , ,

前のページに戻る