文献

J-GLOBAL ID：202202221920615295   整理番号：22A1009539

マルチタスク学習を用いたSNR推定に基づく自動変調分類

Automatic Modulation Classification Based on SNR Estimation Using Multi-Task Learning

著者 (4件)： 町田航 (埼玉大) ,  杉浦陽介 (埼玉大) ,  安井希子 (埼玉大) ,  島村徹也 (埼玉大)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 121  号： 327(IT2021 28-82)  ページ： 155-160 (WEB ONLY)  発行年： 2022年01月13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： 自動変調分類は受信信号に用いられた変調方式を識別する技術であり,無線通信において重要な役割を担う.本研究は,I/QサンプルおよびA/Pサンプルの二つの入力形式を用いたマルチタスク学習方式の自動変調分類手法の精度向上を目的とする.従来のモデルをもとに,SNR推定問題を補助問題に設定し,Attention機構を組み込んだ新しいモデルを提案する.評価実験の結果から,提案手法が従来法の精度を向上できることを確認する.(著者抄録)

シソーラス用語： *自動分類 ,  *信号変調 ,  信号推定 ,  SN比 ,  機械学習 ,  *無線伝送 ,  通信ソフトウェア ,  通信系モデル ,  測定精度 ,  学習モデル ,  ソフトウェア無線
準シソーラス用語： SN比推定 ,  マルチタスク学習 ,  分類精度 ,  *変調分類

分類 (2件)： 無線通信一般  (ND08010L) ,  パターン認識  (JE07000S)

引用文献 (18件)：

• Z. M. Fadlullah et al., ′′State-of-the-art deep learning: Evolving machine intelligence toward tomorrow’s intelligent network traffic control systems,′′ IEEE Communications Surveys & Tutorial, Vol. 19, No. 4, pp. 2432-2455, May 2017.
• Y. Wang et al., ′′LightAMC: Lightweight automatic modulation classification via deep learning and compressive sensing,′′ in IEEE Transactions on Vehicular Technology, vol. 69, no. 3, pp. 3491-3495, March 2020.
• R. Utrilla et al., ′′Gated recurrent unit neural networks for automatic modulation classification with resource-constrained end-devices,′′ IEEE Access, Vol. 8, pp. 112783-112794, June 2020.
• B. Jdid et al., ′′Machine learning based automatic modulation recognition for Wireless communications: A Comprehensive Survey,′′ in IEEE Access, vol. 9, pp. 57851-57873, 2021.
• Z. Zhu and A. K. Nandi, ′′Automatic Modulation Classification Principles, Algorithms and Applications,′′ Wiley, 2015.

タイトルに関連する用語 (4件)： マルチタスク学習 ,  SNR ,  推定 ,  変調分類