文献

J-GLOBAL ID：202202264957884185   整理番号：22A1163529

アップリンクチャネル情報による一般的MIMOダウンリンクビーム成形のためのモデル駆動学習【JST・京大機械翻訳】

Model-Driven Learning for Generic MIMO Downlink Beamforming With Uplink Channel Information

著者 (5件)： Zhang Juping (Wolfson School of Mechanical, Electrical and Manufacturing Engineering, Loughborough University, Loughborough, U.K) ,  You Minglei (Wolfson School of Mechanical, Electrical and Manufacturing Engineering, Loughborough University, Loughborough, U.K) ,  Zheng Gan (Wolfson School of Mechanical, Electrical and Manufacturing Engineering, Loughborough University, Loughborough, U.K) ,  Krikidis Ioannis (Department of Electrical and Computer Engineering, University of Cyprus, Nicosia, Cyprus) ,  Zhao Liqiang (State Key Laboratory of Integrated Service Networks, Xidian University, Xi’an, China)
資料名： IEEE Transactions on Wireless Communications  (IEEE Transactions on Wireless Communications)
巻： 21  号： 4  ページ： 2368-2382  発行年： 2022年 
JST資料番号： W1329A  ISSN： 1536-1276  CODEN： ITWCAX  資料種別： 逐次刊行物 (A)
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： 正確なダウンリンクチャネル情報はビーム成形設計に重要であるが,実際には得ることは難しい。本論文は,アップリンクチャネル情報だけが利用できるとき,システム合計速度を最大にするために,ダウンリンクビーム成形の深い学習ベースの最適化アプローチを研究した。主な貢献は,最適ダウンリンクビーム成形の構造を利用するモデル駆動学習技法を提案し,合計レート性能を最大化する目的で効果的なハイブリッド学習戦略を設計した。これは,ダウンリンクチャネルの学習性能,訓練段階における電力と合計速度を同時に考慮することによって達成される。提案手法は,アップリンクチャネル情報が利用できる一般的なケースに適用されるが,ダウンリンクチャネルとの関係は未知であり,明示的ダウンリンクチャネル推定を必要としない。さらに,開発した技術を大規模多入力多出力シナリオに拡張し,セル間信号伝送オーバヘッドなしにマルチセルシステムのための分散学習戦略を達成した。シミュレーション結果は,著者らの提案方法が完全なダウンリンクチャネル情報を有する最新の数値アルゴリズムの状態に近い性能を提供して,合計速度に関して既存のデータ駆動方法を著しく凌駕することを証明した。Copyright 2022 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 ,  シミュレーション ,  *学習 ,  情報 ,  電力 ,  *リンク ,  信号伝送 ,  *通信方式 ,  チャネル ,  *ビーム成形 ,  チャネル推定
準シソーラス用語： *MIMO ,  オーバヘッド ,  *ダウンリンク ,  データ駆動 ,  ハイブリッド学習 ,  合計速度 , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (5件)： MIMO ,  ダウンリンク ,  ビーム成形 ,  モデル ,  学習