文献

J-GLOBAL ID：202002234207254837   整理番号：20A0914837

インパルス雑音によるMIMO通信のための深層学習復号器【JST・京大機械翻訳】

Deep Learning Decoder for MIMO Communications with Impulsive Noise

著者 (2件)： Delgado Oscar (McGill University,Department of Electrical and Computer Engineering,Montreal,Quebec,Canada) ,  Labeau Fabrice (McGill University,Department of Electrical and Computer Engineering,Montreal,Quebec,Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CCNC  ページ： 1-6  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： 本論文では,インパルス雑音チャネルを有する多入力多出力(MIMO)システムにおける信号検出を考察した。既存の最適な球面復号器(SD)は良好な性能を達成するが,計算の複雑さはツリー探索と信号対雑音比(SNR)の間に訪問されたノードの数に直接関連する。ニューラルネットワーク技術を用いて,Deep学習検出器(DLD)を提案した。DLD法は,オフライン訓練フェーズの後,インパルス雑音チャネルで送信される信号を検出する。DLDの検出プロセスは,平均SD複雑性より低い複雑性を持つが,良好な性能を示す。さらに興味深いことは,DLDの計算複雑性がSNRを横切って一定であり,SNRを横切る指数的複雑性を持つSD検出器とは対照的であることである。この一定の複雑さは,それが資源のより良い最適化を可能にするので,実際に検出器を実行するとき,非常に役に立つことができた。提案した方法の性能を評価するために,インパルス雑音チャネルを持つMIMOシステムのかなり正確なモデルを生成する低レベルシミュレータを用いた。複雑性解析とシミュレーション結果は,本論文で提示した議論を検証した。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： SN比 ,  最適化 ,  シミュレーション ,  信号検出 ,  *学習 ,  ニューラルネットワーク ,  *復号器 ,  *インパルス雑音 ,  木探索 ,  計算量 ,  MIMOシステム
準シソーラス用語： *MIMO ,  複雑性 ,  *MIMO伝送 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： インパルス雑音 ,  MIMO通信 ,  深層学習 ,  復号器