文献

J-GLOBAL ID：202002214740780914   整理番号：20A2319937

Rayleighフェージングとバースト雑音チャネルの下でのResNetベースのエンドツーエンド無線通信システム【JST・京大機械翻訳】

A ResNet Based End-to-End Wireless Communication System under Rayleigh Fading and Bursty Noise Channels

著者 (3件)： Chaudhari Harshal R. (National Institute of Technology,Calicut) ,  Najlah C.P (National Institute of Technology,Calicut) ,  Sameer S. M. (National Institute of Technology,Calicut)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： 5GWF  ページ： 53-58  発行年： 2020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： 深層学習は,変調分類,チャネル推定および信号検出のような無線通信分野で最近適用されてきた。無線通信問題の多くは分類問題としてモデル化できる。残留学習は,魅力的な分類精度を提供するための画像認識において重要な役割を持つことが証明されている。本論文では,Rayleighフラットフェージングとバースト雑音チャネルを通信しながら,送信機と受信機を一緒に最適化できる残留学習ベースオートエンコーダモデルを提案した。送信機のシンボル当たりのビット数に依存して,提案システムは,自動的に配置マッピングを学習し,非常に低い損失メトリックで伝送ビットを再構成できる。シミュレーション研究は,提案モデルのブロック誤り率性能が,Rayleighフラットフェージングとバーストノイズチャネルの下で,従来の変調システムと同様に,畳込み層ベースの自動エンコーダシステムより優れていることを示した。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： 最適化 ,  シミュレーション ,  信号検出 ,  畳込み ,  学習 ,  受信機 ,  送信機 ,  *無線伝送 ,  *エンドツーエンド方式 ,  *Rayleighフェージング ,  チャネル推定 ,  画像認識
準シソーラス用語： フラットフェージング ,  ホップ数 ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： Rayleighフェージング ,  バースト雑音 ,  チャネル ,  エンドツーエンド ,  無線通信システム