文献

J-GLOBAL ID：202202291888283597   整理番号：22A0482121

CAnet:深層学習を用いたFDD大規模MIMOにおけるアップリンク支援ダウンリンクチャネル取得【JST・京大機械翻訳】

CAnet: Uplink-Aided Downlink Channel Acquisition in FDD Massive MIMO Using Deep Learning

著者 (3件)： Guo Jiajia (National Mobile Communications Research Laboratory, Southeast University, Nanjing, China) ,  Wen Chao-Kai (Institute of Communications Engineering, National Sun Yat-sen University, Kaohsiung, Taiwan) ,  Jin Shi (National Mobile Communications Research Laboratory, Southeast University, Nanjing, China)
資料名： IEEE Transactions on Communications  (IEEE Transactions on Communications)
巻： 70  号： 1  ページ： 199-214  発行年： 2022年 
JST資料番号： C0239A  ISSN： 0090-6778  CODEN： IECMBT  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： 周波数分割二重化システムにおいて,ダウンリンクチャネル状態情報(CSI)取得方式は,高い訓練とフィードバックオーバヘッドをもたらす。本研究では,そのようなオーバヘッドを低減するための深層学習を用いたアップリンク支援ダウンリンクチャネル取得フレームワークを提案した。ダウンリンクパイロット設計,チャネル推定,フィードバックを含む全ダウンリンクCSI取得プロセスを考察した。最初に,チャネル推定を改善するために,角度領域における双方向チャネル間の大きさにおける相関を利用することによって,適応パイロット設計モジュールを提案した。第2に,フィードバックモジュールの間のビット割当て問題を避けるために,著者らは複合チャネルを連結して,基地局におけるチャネル再構成にアップリンクチャネルの大きさを埋め込んだ。最後に,2つのモジュールを結合して,2つの一般的なアップリンク支援ダウンリンクチャネル取得フレームワークを比較した。1つのフレームワーク推定を行い,その後,ユーザ機器でチャネルをフィードバックする。他のフレームワークでは,ユーザ装置は,基地局に受信パイロット信号を直接フィードバックする。結果は,アップリンクチャネルの助けを借りて,直接フィードバックパイロット信号がフィードバックビットの約20%を節約することができることを明らかにした。したがって,本研究は将来の研究のためのガイドラインを提供する。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： 受信 ,  *基地局 ,  再構成 ,  チャネル ,  チャネル推定
準シソーラス用語： チャネル状態情報 ,  FDD【通信】 ,  オーバヘッド ,  *ダウンリンク ,  パイロットシンボル ,  *アップリンク ,  ビット割当 ,  Massive MIMO , 【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 (7件)： 深層学習 ,  FDD ,  大規模MIMO ,  アップリンク ,  支援 ,  ダウンリンク ,  チャネル