文献

J-GLOBAL ID：202002230011165478   整理番号：20A2408737

OFDMの立方測定のための最適制限振幅フィルタリングアルゴリズムおよびニューラルネットワークを実装する。【JST・京大機械翻訳】

An optimal filtering and clipping technique and a neural network based realization scheme for cubic metric reduction in OFDM system

著者 (4件)： Yuan Tian (中国電子科技集団公司第十研究所,四川成都610036) ,  Zhu Hongliang (電子科技大学信息与通信工程学院,四川成都611731) ,  Zhou Juan (成都信息工程大学通信工程学院,四川成都 610225) ,  Zhu Xiaodong (電子科技大学信息与通信工程学院,四川成都611731)
資料名： Jisuanji Gongcheng Yukexue  (Jisuanji Gongcheng Yukexue)
巻： 42  号： 8  ページ： 1359-1366  発行年： 2020年 
JST資料番号： C2938A  ISSN： 1007-130X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 直交周波数分割多重化(OFDM)信号の主な欠点は,信号エンベロープの変動が大きすぎることである。ピーク対平均電力比は,OFDM信号のエンベロープ変動の大きさを測る指標であり,最近の研究は,立方メトリックがOFDM信号エンベロープ変動をより正確に測定できることを示した。従来のスライシングフィルタリング技術は,効果的に立方メトリックスを低減できるが,フィルタ設計は,処理信号性能を保証することができない。この問題に対して、最適な制限振幅フィルタ設計案を提案し、立方測定を低減させ、そのキーアイディアは、フィルタリング操作が信号バンド内、バンド外部分に与える影響を考慮し、フィルタ設計を最適化問題としてモデル化し、最適なフィルタを求解することで、最適なフィルタを獲得することである。そして,制限振幅操作と組み合わせて,立方計量を低減した。最適化問題の解決の複雑さが高いため、深さニューラルネットワークに基づく最適限幅フィルタリングの実現方案を提案した。シミュレーション結果により,提案した最適スライシングフィルタリングアルゴリズムおよびニューラルネットワークは,その性能に相当であるが,後者の複雑性は,非常に低かった。他の既知のアルゴリズムと比較して,提案したアルゴリズムとニューラルネットワークの実用化は,明白な利点を有した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  シミュレーション ,  フィルタ ,  最適化問題 ,  *ニューラルネットワーク ,  フィルタ設計 ,  *フィルタリング ,  エンベロープ ,  *OFDM
準シソーラス用語： PAPR ,  複雑性 ,  メトリックス ,  ホップ数 , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (7件)： OFDM ,  制限 ,  振幅 ,  フィルタリング ,  アルゴリズム ,  ニューラルネットワーク ,  実装