文献

J-GLOBAL ID：201902210138885958   整理番号：19A2008649

SVMを用いた非同期スパースBayes学習に基づくアクティブユーザ同定【JST・京大機械翻訳】

Active User Identification Based on Asynchronous Sparse Bayesian Learning With SVM

著者 (5件)： Fu Jingwei (National Key Laboratory of Science and Technology on Communications, University of Electronic Science and Technology of China (UESTC), Chengdu, China) ,  Wu Gang (National Key Laboratory of Science and Technology on Communications, University of Electronic Science and Technology of China (UESTC), Chengdu, China) ,  Zhang Yizhong (National Key Laboratory of Science and Technology on Communications, University of Electronic Science and Technology of China (UESTC), Chengdu, China) ,  Deng Lijun (National Key Laboratory of Science and Technology on Communications, University of Electronic Science and Technology of China (UESTC), Chengdu, China) ,  Fang Shu (National Key Laboratory of Science and Technology on Communications, University of Electronic Science and Technology of China (UESTC), Chengdu, China)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 108116-108124  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 本論文では,アップリンク(UL)granフリー伝送用の非同期スパースBayes学習(ASBL)アルゴリズムベース受信機を提案した。時間領域チャネル推定をASBLアルゴリズムにより実行し,各ユーザに対するチャネルインパルス応答(CIR)を得た。次に,サポートベクトルマシン(SVM)アルゴリズムを採用して,すべてのユーザのCIRsを分類した。したがって,大規模機械型通信(MMTC)装置の散発的特徴を,同定目的のために利用した。提案したアルゴリズムを非同期多経路フェージングチャネル上で検証し,直交マッチング追跡(OMP)アルゴリズムと検出ベースOMP(DOMP)アルゴリズムを含む以前に圧縮したセンシング(CS)ベースのアルゴリズムと比較した。従来のCSアルゴリズムと比較して,提案したアルゴリズムは誤警報率を70%低減し,より正確なアクティブユーザセットを得ることができる。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  チャネル推定 ,  サポートベクトルマシン ,  チャネル ,  インパルス応答 ,  通信 ,  受信機
準シソーラス用語： 誤警報率 ,  直交マッチング追跡 ,  マルチパスフェージング ,  時間領域 ,  アップリンク ,  *Bayes学習 ,  *スパース , 【Automatic Indexing@JST】

分類 (2件)： 信号理論  (ND02020G) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： SVM ,  非同期 ,  Bayes学習 ,  同定