Channel Estimation by Infinite Width Convolutional Networks

要約

ワイヤレス通信では、OFDMシステムのチャネルの推定は周波数と時間に及び、これはパイロットデータのまばらなコレクションに依存しており、不適切な逆問題を提起します。
さらに、深い学習推定器には、大量のトレーニングデータ、計算リソース、および真のチャネルが必要であり、現実的ではない正確なチャネル推定値を作成する必要があります。
これに対処するために、畳み込み神経接線カーネル（CNTK）は、トレーニングのダイナミクスを閉形式方程式で表現できる無限に広い畳み込みネットワークから派生しています。
このCNTKは、ターゲットマトリックスを誘発し、パイロットの場所で利用可能な既知の値のみを使用して欠落しているチャネル応答を推定するために使用されます。
これは、大規模なトレーニングセットを必要としないチャネル推定の有望なソリューションです。
現実的なチャネルデータセットの数値結果は、当社の戦略が大規模なデータセットなしでチャネルを正確に推定し、速度、精度、および計算リソースの点で深い学習方法を大幅に上回ることを示しています。

要約(オリジナル)

In wireless communications, estimation of channels in OFDM systems spans frequency and time, which relies on sparse collections of pilot data, posing an ill-posed inverse problem. Moreover, deep learning estimators require large amounts of training data, computational resources, and true channels to produce accurate channel estimates, which are not realistic. To address this, a convolutional neural tangent kernel (CNTK) is derived from an infinitely wide convolutional network whose training dynamics can be expressed by a closed-form equation. This CNTK is used to impute the target matrix and estimate the missing channel response using only the known values available at pilot locations. This is a promising solution for channel estimation that does not require a large training set. Numerical results on realistic channel datasets demonstrate that our strategy accurately estimates the channels without a large dataset and significantly outperforms deep learning methods in terms of speed, accuracy, and computational resources.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google