arXiv:2607.01660v1 cs.LG

Message Passing Based Two-Timescale Bayesian Learning for Joint Channel and Memory Hardware Impairments Tracking

Wei Xu, An Liu

제출 2026-07-02

원문 초록

Hardware impairments in massive multiple-input multiple-output (MIMO) receivers introduce inter-symbol memory and inter-element coupling, severely degrading channel estimation. This paper employs a residual recurrent gated unit (RGRU) to model the intra-slot memory of the hardware impairments and proposes a message-passing-based two-timescale Bayesian deep learning (MP-TTBDL) framework for joint channel and impairment tracking. Owing to small-scale fading, the wireless channel varies rapidly across slots, whereas hardware impairments drift slowly due to hardware aging and environmental variations. To capture these distinct physical timescales, a fastvarying Markov prior and a slow-varying Gaussian Markov prior are assigned to the sparse channel and the network parameters, respectively. Based on a multi-slot factor graph formulation, a message-passing algorithm is developed. Specifically, the inter-slot messages admit closed-form updates, while the intra-slot factor graph, due to its complex recurrent structure, is partitioned into a channel tracking module and an impairments calibration module. The channel tracking module performs sparse channel estimation via turbo orthogonal approximate message passing (Turbo-OAMP), and the impairments calibration module updates the impairment parameters via a specially designed deep approximate message passing (DAMP) procedure, with the two modules iteratively exchanging extrinsic information through expectation propagation (EP) until convergence. Simulation results show that the proposed framework robustly achieves lower channel estimation error than conventional compensators followed by channel estimation across different online impairment scenarios and signal-to-noise ratio (SNR) conditions.

요약

대규모 MIMO 수신기의 하드웨어 손상(hardware impairments)이 채널 추정 성능을 저하시키는 문제를 해결하기 위해, RGRU(residual recurrent gated unit)로 인트라-슬롯 메모리 효과를 모델링하고 메시지 패싱 기반 이중-시간척도(two-timescale) 베이지안 딥러닝 프레임워크(MP-TTBDL)를 제안한다. 빠르게 변화하는 무선 채널에는 빠른-변화 마르코프 사전분포를, 느리게 드리프트하는 하드웨어 손상 파라미터에는 느린-변화 가우시안 마르코프 사전분포를 각각 할당하고, Turbo-OAMP와 DAMP를 반복적으로 교환하여 채널과 손상을 공동 추적함으로써 기존 보상기 기반 방법 대비 낮은 채널 추정 오차를 달성했다.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2607.01660v1제출 시각 미확인

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2609.28425v1quant-ph공통 태그 Bayesian Inference, State Estimation

머신러닝을 활용한 재귀적 상태 추정에서 근사 솔버의 수리 가능성

Repairability of Inexact Solvers in Recursive State Estimation with Machine Learning

재귀적 상태 추정은 종종 피드백 루프 안에서 근사적인 수치 해를 실행하며, 국소적으로 매우 정확한 단계가 전체적으로 더 나은 결과를 보장하지는 않는다. 고정된 선형 Kalman 모델에 대해, 규정된 부분공간과 노름 예산 내 보정이 국소 허용 가능성 허용 오차를 충족할 수 있는 조건을 특성화하고, 실제로 실행된 결함이 유한 구간 공분산 응답에 미치는 영향을 분석한다. 구현된 공분산에 대한 정확한 이득(gain)을 중심으로 각 결함을 두면 현재 솔브 오류와 상속된 이득 드리프트를 분리할 수 있다. 정확한 잔차-드리프트 항등식을 전개하면 2차 응답을 넘어 상반되는 4차 기여가 드러난다. 혁신(innovation) 공분산 팽창은 양의 방향으로, 국소 이득 재최적화는 음의 방향으로 작용한다. 일치하는 초기화 하에서, 고정 구간에서 유계 결함 열에 대해 균일한 절대 6차 나머지 상한은 2차 과소 또는 과대 예측에 대한 충분 조건을 제공한다. 머신러닝은 유계 보정을 제안하고, 학습기에 독립적인 잔차 증명서(residual certificate)와 검증된 폴백(fallback)이 기준 추정기를 바꾸지 않은 채 고전 및 양자 후보의 실행을 관장한다. 전력망 허용 오차 연구에서, 학습된 보정은 동일한 잔차 증명서 하에서 보정되지 않은 솔브에 비해 폴백 없이 배포할 때 최소 �共轭梯度(conjugate-gradient) 반복 횟수를 낮춘다. 변분 양자 선형 솔버와 어닐링 기반 이진 인코딩으로 재구성된 이득은 초전도 하드웨어上的 소규모 단말 측정과 양자 어닐러(quantum annealer)上的 샘pling을 거쳐 동일한 인터페이스로 실행된다. 국소 수리 가능성을 비선형 오류 전파와 연결함으로써, 이 프레임워크는 독립적 인증과 유한 구간 응답을 통해 근사 솔버와 학습된 보정을 평가하며, 하이브리드 양자-고전 계산 연구를 위한 실용적 토대를 제공한다.

arXiv:2607.22637v1cs.AI공통 태그 channel estimation, massive mimo

채널 조건부 매개변수 생성을 통한 CSI 모델의 신속한 교차 시나리오 적응

Fast Cross-Scenario Adaptation of CSI Models via Channel Conditional Parameter Generation

심층 학습은 채널 상태 정보(CSI) 피드백 및 채널 추정을 포함한 대규모 다중 입력 다중 출력(Massive MIMO) 물리 계층 태스크에서 강력한 잠재력을 보여주었다. 그러나 환경 이질성은 보지 못한 시나리오에서 CSI 모델의 성능을 심각하게 저하시킬 수 있으며, 기존 적응 방식은 타깃 도메인 데이터와 상당한 계산을 필요로 한다. 본 논문은 동적 무선 환경에서 CSI 모델의 신속한 배포를 위한 종단 간(end-to-end) 파이프라인인 채널 조건부 매개변수 생성(CCPG)을 제안한다. CCPG는 구성 요소 동결 실험을 통해 장면에 민감한 적응 병목을 식별하고, 전체 모델 매개변수 대신 경량 LoRA 가중치만 생성한다. 연쇄 SVD와 Perceiver Resampler를 사용하여 고차원 채널 특징을 압축된 잠재 조건으로 압축한다. 에너지 기반 정준화(canonicalization) 메커니즘은 LoRA 가중치의 순열 및 부호 모호성을 완화하며, 확산 기반 생성기는 구조적 정보와 토폴로지 인식 매개변수 생성을 위한 비대칭 크기 인식 손실을 통합한다. DeepMIMO 및 WAIR-D에서 CSI 피드백과 채널 추정에 대한 실험 결과, CCPG는 타깃 시나리오 학습이나 미세조정 없이 단일 순전파로 약 3초 만에 새로운 시나리오에 적응하며, 비용이 큰 온라인 적응에 필적하는 교차 도메인 복구 성능을 달성한다. 이러한 결과는 CCPG가 지능형 6G 통신을 위한 대규모 동적 무선 시나리오에서 CSI 모델의 효율적인 배포를 가능하게 함을 보여준다.

arXiv:2607.20521v1cs.LG공통 태그 Bayesian Inference, State Estimation

상태 추정을 위한 생성형 베이지안 필터링

Generative Bayesian Filtering for State Estimation

동적 시스템의 상태는 시간에 따라 진화하며, 관측 가능한 행동을 지배하는 여러 잠재 모드 사이를 전환한다. 필터링 방법은 관측으로부터 잠재 상태를 추론한다. 칼만 필터(Kalman filter)를 포함한 고전적 필터링 접근법은 일반적으로 선형-가우스(linear-Gaussian) 모델과 같은 단순한 관측 모델에 의존하며, 이는 고차원 센서 신호에서 점점 더 비선형적이고 이질적인(heterogeneous) 패턴을 특성화하는 데 한계가 있다. 이 도전에 대응하기 위해, 우리는 제한적인 관측 모델을 조건부 변분 오토인코더(CVAE)로 매개변수화된 사전학습(pre-trained) 조건부 생성 모델로 대체하는 필터링 프레임워크인 생성형 베이지안 필터링(Generative Bayesian Filtering, GBF)을 제안한다. 온라인 추론(inference)을 위해 GBF는 베이지안 예측-갱신 재귀를 수행하며, 여기서 측정 갱신(measurement update)은 동역학적 사전(dynamical prior)과 CVAE 유도 가능도(likelihood)를 결합하는 사후 샘플링 문제로 공식화된다. 그 결과 필터링 문제는 스코어 기반(score-based) 샘플링 문제로 변환되며, 이는 생성 모델의 유연성과 앙상블(ensembling)의 불확실성 정량화(uncertainty quantification) 능력을 자연스럽게 계승한다. 합성 데이터셋(dataset)과 제조 시스템 모니터링 및 부정맥 진단(arrhythmia diagnosis)을 포함한 실세계 응용에 대한 실험은 GBF가 기준선(baseline) 접근법 대비 상태 추정 정확도와 견고성(robustness)을 향상시킴을 보여준다.

arXiv:2607.13573v1cs.RO공통 태그 Bayesian Inference, State Estimation

IMMNet: 기동 표적 추적을 위한 모델 기반 및 데이터 기반 접근법의 하이브리드 융합

IMMNet: Hybrid Fusion of Model-based and Data-driven Approaches for Maneuvering Target Tracking

3차원 공간에서의 기동 표적 추적은 복잡한 운동 역학과 모델 불일치로 인해 여전히 어려운 문제이다. 이를 해결하기 위해 본 논문은 상호작용 다중 모델(interacting multiple model, IMM) 알고리즘의 해석 가능한 구조와 학습 가능한 신경망 구성 요소를 통합한 하이브리드 모델/데이터 기반 알고리즘 IMMNet을 제안한다. 엔드투엔드 블랙박스 방식과 달리, 제안된 IMMNet 알고리즘은 실시간 레이더 응용에 필수적인 베이지안 추론 메커니즘을 유지할 수 있을 뿐만 아니라, 데이터로부터 운동 패턴과 노이즈 특성을 적응적으로 학습할 수 있다. 광범위한 실험을 통해 제안된 IMMNet 알고리즘이 다양한 시나리오에서 기존 알고리즘을 일관되게 능가함을 보여주며, 이는 기동 표적 추적을 위한 견고하고 해석 가능하며 실용적인 해결책임을 입증한다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.