文献

J-GLOBAL ID：202002220445682993   整理番号：20A1955453

不完全SIC復号化による深層学習ベースMIMO-NOMA【JST・京大機械翻訳】

Deep Learning-Based MIMO-NOMA With Imperfect SIC Decoding

著者 (3件)： Kang Jae-Mo (Department of Artificial Intelligence, Kyungpook National University, Daegu, South Korea) ,  Kim Il-Min (Department of Electrical and Computer Engineering, Queen’s University, Kingston, ON, Canada) ,  Chun Chang-Jae (System Control Research Center, Korea Electrotechnology Research Institute, Changwon, South Korea)
資料名： IEEE Systems Journal  (IEEE Systems Journal)
巻： 14  号： 3  ページ： 3414-3417  発行年： 2020年 
JST資料番号： W2238A  ISSN： 1932-8184  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： 非直交多重アクセス(NOMA)と多入力多出力(MIMO)は,5Gシステムのための2つのキーとなる。本論文では,連続干渉消去(SIC)復号化が実世界NOMAシステムにおいて不完全である実際の問題を考慮して,深層学習に基づくMIMO-NOMAシステムのダウンリンクのための新しい方式を提案した。このスキームにおいて,MIMO-NOMAシステムの予符号化とSIC復号化の両方を,ユーザの信号の全平均二乗誤差を最小化する意味で,共同最適化(または学習)した。この目的のために,多重ユーザに意図された送信信号が重合せ符号化技術に基づいて送信機で適切に事前符号化され,受信信号がSIC復号化によってユーザで正確に解読できるような,深いニューラルネットワークを用いてプレコーダとSIC復号器を構築する。数値結果は,提案した方式の有効性と優れた性能を実証した。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： 干渉 ,  *学習 ,  ニューラルネットワーク ,  送信機 ,  復号器 ,  *復号化 ,  多重化 ,  符号器 ,  直交性
準シソーラス用語： 平均二乗誤差 ,  *MIMO ,  ダウンリンク ,  予符号化 ,  受信信号 ,  *深層学習 , 【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 (4件)： SiC ,  復号化 ,  深層学習 ,  MIMO