CeBed: A Benchmark for Deep Data-Driven OFDM Channel Estimation

要約

深層学習は、チャネル推定などの無線通信の問題に広く使用されています。
いくつかのデータ駆動型アプローチが存在しますが、実験条件の不一致や標準化された実験計画の欠如により、それらを公平かつ現実的に比較することは困難です。
さらに、データ駆動型アプローチのパフォーマンスは、実証分析に基づいて比較されることがよくあります。
標準化された評価ツール (データセット、コードベースなど) の再現性と可用性の欠如は、一般にチャネル推定と無線通信のためのデータ駆動型手法の開発と進歩を妨げています。
この研究では、いくつかのデータ駆動型 OFDM チャネル推定アプローチを統合するベンチマークを構築する取り組みを紹介します。
具体的には、10 の深い従来のベースラインの実装とともに、さまざまなシステム モデルと伝播条件をカバーするさまざまなデータセットを含む CeBed (チャネル推定用のテストベッド) を紹介します。
このベンチマークでは、データ駆動型モデルの堅牢性、パイロットの数と配置、受信アンテナの数など、さまざまな実用的な側面が考慮されています。
この研究は、研究者がデータ駆動型のチャネル推定アルゴリズムを評価および設計するのに役立つ包括的で統一されたフレームワークを提供します。

要約(オリジナル)

Deep learning has been extensively used in wireless communication problems, including channel estimation. Although several data-driven approaches exist, a fair and realistic comparison between them is difficult due to inconsistencies in the experimental conditions and the lack of a standardized experimental design. In addition, the performance of data-driven approaches is often compared based on empirical analysis. The lack of reproducibility and availability of standardized evaluation tools (e.g., datasets, codebases) hinder the development and progress of data-driven methods for channel estimation and wireless communication in general. In this work, we introduce an initiative to build benchmarks that unify several data-driven OFDM channel estimation approaches. Specifically, we present CeBed (a testbed for channel estimation) including different datasets covering various systems models and propagation conditions along with the implementation of ten deep and traditional baselines. This benchmark considers different practical aspects such as the robustness of the data-driven models, the number and the arrangement of pilots, and the number of receive antennas. This work offers a comprehensive and unified framework to help researchers evaluate and design data-driven channel estimation algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google