文献

J-GLOBAL ID：202002223018297527   整理番号：20A2026119

無線信号変調分類のためのマルチレベルネットワーク【JST・京大機械翻訳】

A multi-level network for radio signal modulation classification

著者 (4件)： Peng Lei (National Key Laboratory on Blind Signal Processing, Chengdu, China) ,  Qu Wenzhong (National Key Laboratory on Blind Signal Processing, Chengdu, China) ,  Zhao Yan (National Key Laboratory on Blind Signal Processing, Chengdu, China) ,  Wu Yunkun (National Key Laboratory on Blind Signal Processing, Chengdu, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： AIIPCC ’19  ページ： 1-5  発行年： 2019年 
JST資料番号： D0698C  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： 信号の変調型を分類するために,畳込みニューラルネットワーク(CNN)と長短温度メモリ(LSTM)を組み合わせた新しいマルチレベルネットワークを提案した。ネットワークには,特徴抽出におけるCNNの利点と,時間シーケンス解析におけるLSTMの利点とノイズに対するロバスト性がある。GNU無線データセットに基づく実験は,分類精度が2dB以上のSNRで10の異なる変調型信号に対して約93%であり,従来のCNNよりはるかに良いことを示した。分類精度は,2dB以上のSNRで8つのディジタル変調型に対して約95%であった。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  雑音 ,  *ネットワーク ,  ニューラルネットワーク ,  特徴抽出 ,  ディジタル変調 ,  無線伝送 ,  ロバスト性
準シソーラス用語： *マルチレベル ,  *ワイヤレス ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (8件)： GNU無線(フリー&オープンソースソフトウェア開発ツールキット) ,  深層学習(DL) ,  特徴抽出 ,  変調分類 ,  ニューラルネットワーク ,  無線通信 ,  信号対雑音比 ,  ソフトウェア定義無線

分類 (3件)： 光通信方式・機器  (ND10000B) ,  無線通信一般  (ND08010L) ,  計算機網  (JC03000K)

タイトルに関連する用語 (3件)： 無線 ,  変調分類 ,  マルチレベル