文献

J-GLOBAL ID：201702260486676341   整理番号：17A0457272

深い学習に基づくディジタル信号の変調同定に関する研究【Powered by NICT】

Research on modulation identification of digital signals based on deep learning

著者 (3件)： Li Jiachen (College of Information and Communication Engineering, Harbin Engineering University, Heilongjiang, China, 150001) ,  Qi Lin (College of Information and Communication Engineering, Harbin Engineering University, Heilongjiang, China, 150001) ,  Lin Yun (College of Information and Communication Engineering, Harbin Engineering University, Heilongjiang, China, 150001)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICEICT  ページ： 402-405  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 変調同定は受信信号の変調方式の知識を持つどのような受信機のための大きな重要性を示した。本論文では,深いオートエンコーダネットワークと通信信号変調認識の分野におけるSVM,Naive BayesとBPニューラルネットワークを含む三つの浅いアルゴリズムの性能を比較した。第一に,周期的スペクトルはシミュレーション通信信号,種々のSNR( 10dBから10dBまで)でを前処理に用いた。,深いオートエンコーダネットワークは大量データからの内部特性を近似するために確立した。五つの典型的な通信信号,FSK,PSK,ASK,MSK,QAMを同定するための分類器として使用されているソフトマックス回帰モデル。実験の結果は,ネットワークの優れた分類性能を例示した。最後に,これらの方法と三つの伝統的な浅い機械学習モデルの比較を議論した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 前処理 ,  受信機 ,  機械学習 ,  アルゴリズム ,  *通信信号 ,  スペクトル ,  回帰モデル ,  シミュレーション ,  ネットワーク
準シソーラス用語： 逆伝播ニューラルネットワーク ,  変調方式 ,  受信信号 ,  *デジタル信号 , 【Automatic Indexing@JST】

分類 (9件)： 膜分離  (XD02120Z) ,  数値計算  (JE02000J) ,  粉体工学  (XD03010M) ,  通信方式一般  (ND07010E) ,  光通信方式・機器  (ND10000B) ,  検索技術  (AC06020S) ,  分析機器  (CC02020S) ,  変復調方式  (ND07020P) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 学習 ,  ディジタル ,  変調 ,  同定 ,  研究