抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
高速鉄道(HSR)経路の確実性により,高速列車(HST)は常に周期的に運転され,歴史的な大規模データを通してHSR無線信号検出を支援することは非常に意味がある。この検出における1つの重要な課題は,HSR無線チャネルがHSTが異なる場所に駆動されるときに変化することであり,したがって,様々なチャネル環境の下のデータを別々に分析する必要がある。本論文では,HSRシナリオに対する多重入力多重出力(MIMO)信号を検出するための深い学習アルゴリズムを提案し,全アルゴリズムフレームワークをオフライン訓練フェーズとオンライン検出フェーズの2つのフェーズに分割した。オフライン訓練段階において,最初に各位置におけるHSRのデータを解析し,各シーンを複数の小領域に分割する分割方式を探索し,各分割領域におけるデータが同じネットワークを共有できるようにした。次に,深いニューラルネットワーク(DNN)を構築し,各分割領域に対して訓練した。オンライン検出位相において,HSTはGPSによって達成された位置情報に従って電流領域を位置して,リアルタイムで信号を検出するために対応するDNNモデルを選択した。さらに,このDNN構造はチャネル推定と信号検出を結合する。このように,HSR検出システムは,チャネル推定のステップなしで直接MIMO信号を検出することができた。最後に,シミュレーション結果は,深い学習検出アルゴリズムが,最小二乗(LS)アルゴリズムと最小二乗誤差(MMSE)アルゴリズムのような従来の検出アルゴリズムより良い精度を持つことを示した。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】