Kernkonzepte
強化学習に基づくノイズ除去手法を用いて、最小二乗法によるチャネル推定の精度を大幅に向上させる。事前のチャネル統計情報や大規模なラベル付きデータセットを必要とせず、チャネル変動に対して頑健である。
Zusammenfassung
本論文では、MIMO OFDM システムにおけるチャネル推定の精度向上を目的として、強化学習に基づくノイズ除去手法を提案している。
まず、チャネルの曲率を指標として、信頼できるチャネル推定値とそうでないものを判別するための閾値を導出する。次に、この判別結果に基づいて、隣接するサブキャリアのチャネル推定値を順次ノイズ除去していく手法を提案する。この問題をマルコフ決定過程として定式化し、Q学習を用いて最適な除去順序を学習する。
提案手法は、事前のチャネル統計情報や大規模なラベル付きデータセットを必要とせず、チャネル変動に対して頑健である。シミュレーション結果より、提案手法は最小二乗法に比べて大幅な性能向上を達成し、理想的なLMMSE推定に迫る性能を示すことが確認された。
Statistiken
最小二乗法によるチャネル推定の平均二乗誤差は、信号対雑音比に依存する。
理想的なLMMSE推定では、チャネル統計情報が完全に分かっている場合の平均二乗誤差は、信号対雑音比に依存する。
提案手法では、チャネル統計情報を必要とせず、信号対雑音比の変化に対して頑健な性能を示す。
Zitate
"提案手法は、事前のチャネル統計情報や大規模なラベル付きデータセットを必要とせず、チャネル変動に対して頑健である。"
"シミュレーション結果より、提案手法は最小二乗法に比べて大幅な性能向上を達成し、理想的なLMMSE推定に迫る性能を示すことが確認された。"