文献

J-GLOBAL ID：202002214526324312   整理番号：20A0266284

均一円形アレイを有するハイブリッド大規模MIMOシステムのための低複雑度深層学習ベースDOA推定【JST・京大機械翻訳】

Low-Complexity Deep-Learning-Based DOA Estimation for Hybrid Massive MIMO Systems With Uniform Circular Arrays

著者 (4件)： Hu Die (Key Laboratory of EMW Information, Fudan University, Shanghai, China) ,  Zhang Yonghao (Key Laboratory of EMW Information, Fudan University, Shanghai, China) ,  He Lianghua (Department of Computer Science and Technology, Tongji University, Shanghai, China) ,  Wu Jun (Department of Computer Science and Technology, Tongji University, Shanghai, China)
資料名： IEEE Wireless Communications Letters  (IEEE Wireless Communications Letters)
巻： 9  号： 1  ページ： 83-86  発行年： 2020年 
JST資料番号： W2307A  ISSN： 2162-2337  CODEN： IWCLAF  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,基地局に一様な円形アレイを持つハイブリッド大規模多入力多出力(MIMO)システムのための低複雑度の深い学習に基づく到来方向(DOA)推定法を提案した。提案した方法では,最初に受信した信号ベクトルをオフラインで訓練されたいくつかの小さな深いフィードフォワードネットワークに入力した。ネットワークの出力に基づいて,候補角度の集合を生成した。すべての候補角度から最適なものを選択することによって,著者らは最終的にDOA推定を得る。シミュレーション結果は,従来の最尤法(ML)法と比較して,提案したDOA推定法が,はるかに少ない複雑さで,類似またはより良い性能を達成できることを実証した。Copyright 2020 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： 最尤法 ,  基地局 ,  ネットワーク ,  *到来方向推定 ,  シミュレーション ,  ベクトル
準シソーラス用語： フィードフォワードニューラルネットワーク ,  オフライン ,  推定法 ,  到来方向 ,  *MIMO ,  *深層学習 ,  複雑度 ,  *Massive MIMO , 【Automatic Indexing@JST】

分類 (2件)： 信号理論  (ND02020G) ,  計算機網  (JC03000K)

タイトルに関連する用語 (6件)： 円形 ,  アレイ ,  大規模MIMO ,  複雑度 ,  深層学習 ,  DOA推定