文献

J-GLOBAL ID：201802265460018157   整理番号：18A0195799

MIMOフェージングチャネルのための符号化の物理層の深い学習【Powered by NICT】

Physical layer deep learning of encodings for the MIMO fading channel

著者 (3件)： O’Shea Timothy J. (Virginia Tech, Arlington, VA) ,  Erpek Tugba (Virginia Tech, Arlington, VA) ,  Clancy T. Charles (Virginia Tech, Arlington, VA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Allerton  ページ： 76-80  発行年： 2017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： オートエンコーダを用いた教師なし深層学習に基づく多入力多出力(MIMO)通信のための新しい物理層方式を導入した。この方法は送信機と受信機を拡大するマルチアンテナの場合にによる単一エンドツーエンドタスクとして物理層表現と符号化および復号化プロセスの同時最適化に関する以前の研究を拡張した。最適化するシステムを直接学習するために,ドメインの適切な無線チャネル障害モデル(多入力多出力Rayleighフェージングチャネル)を導入し,オートエンコーダ最適化問題にした。このアプローチは既存の無線MIMOシステムに広く使用されている現在の方法の性能を達成し,超える学習スキームのための大きな可能性を示した。方式は,空間多重化モードと空間ダイバーシチモードにおける開ループと閉ループ動作に容易に適用できるかを議論した。これらのモードの各々は,同じ簡単でコンパクトなアプローチを用いて学習と実現した。Copyright 2018 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： 空間ダイバーシチ ,  *学習 ,  復号化 ,  送信機 ,  最適化 ,  受信機 ,  MIMOシステム ,  最適化問題 ,  *符号化
準シソーラス用語： Rayleighフェージングチャネル ,  無線チャネル ,  マルチアンテナ ,  *物理層 ,  *フェージングチャネル ,  *MIMO , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (5件)： MIMO ,  フェージングチャネル ,  符号化 ,  物理層 ,  学習