文献

J-GLOBAL ID：202002232659085328   整理番号：20A2186492

深層学習技術を利用した複素領域スパースCDMA検出に関する検討

A Study on Complex-valued Sparse CDMA Detection Using Deep Learning Technique

著者 (4件)： 山内友稀 (名古屋工大) ,  高邉賢史 (名古屋工大) ,  高邉賢史 (理研 革新知能統合研究セ) ,  和田山正 (名古屋工大)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 120  号： 157(IT2020 18-23)  ページ： 13-18 (WEB ONLY)  発行年： 2020年08月28日 
JST資料番号： U2030A  ISSN： 2432-6380  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： SCDMA(Sparsely Spread CDMA)は,今後の無線通信において有望な非直交多重アクセス技術である。本稿では,深層展開に基づいたC-STPG検出器と呼ばれる複素領域での新しい学習可能なマルチユーザ検出器を提案する.この検出器の利点は,計算コストが低く,学習可能なパラメータの数が少ないことであり,大規模なSCDMAシステムを扱うことが可能である.また,深層展開によるスパース拡散行列の設計手法として,スパース拡散行列とC-STPG検出器を同時に学習する段階的スパース化法を提案する.実験の結果,同時学習により,ランダム密行列に匹敵する優れたスパース拡散系列が得られることが示された.(著者抄録)

シソーラス用語： *CDMA ,  *無線伝送 ,  多元接続通信 ,  検出器 ,  スパース行列 ,  性質 ,  *機械学習 ,  実験 ,  深層学習 ,  評価実験
準シソーラス用語： スパース性 ,  拡散行列 ,  多重アクセス通信 ,  無線通信

分類 (3件)： 通信方式一般  (ND07010E) ,  光通信方式・機器  (ND10000B) ,  人工知能  (JE08000Z)

引用文献 (15件)：

• H. Nikopour and H. Baligh, “Sparse code multiple access,” 2013 IEEE 24th Ann. Int. Symp. Personal, Indoor, and Mobile Radio Comm., London, 2013, pp. 332-336.
• S. Hara and R. Prasad, ′′Overview of multicarrier CDMA,′′ IEEE Comm. Magazine, vol. 35, no. 12, pp. 126-133, Dec. 1997.
• M. Yoshida and T. Tanaka, “Analysis of sparsely-spread CDMA via statistical mechanics,” Proc. 2006 IEEE Int. Symp. Inf. Theory, Seattle, USA, Jul. 2006, pp. 2378-2382.
• S. Takabe, M. Imanishi, T. Wadayama, R. Hayakawa and K. Hayashi, “Trainable projected gradient detector for massive overloaded MIMO channels: Data-driven tuning approach,′′ IEEE Access, vol. 7, pp. 93326-93338, 2019.
• S. Tseng, Y. Chen, C. Tsai and W. Tsai, “Deep-Learning-Aided Cross-Layer Resource Allocation of OFDMA/NOMA Video Communication Systems,” IEEE Access, 7.

タイトルに関連する用語 (2件)： 深層学習 ,  CDMA