文献

J-GLOBAL ID：202002264506404988   整理番号：20A0915910

変動雑音条件下での一般化変調分類のための深層学習法【JST・京大機械翻訳】

Deep Learning Method for Generalized Modulation Classification under Varying Noise Condition

著者 (9件)： Wang Yu (College of Telecommunications and Information Engineering, NJUPT,Nanjing,China,210003) ,  Gui Guan (College of Telecommunications and Information Engineering, NJUPT,Nanjing,China,210003) ,  Zhao Nan (Dalian University of Technology,School of Information and Communication Engineering,Dalian,China,116024) ,  Huang Hao (College of Telecommunications and Information Engineering, NJUPT,Nanjing,China,210003) ,  Liu Miao (College of Telecommunications and Information Engineering, NJUPT,Nanjing,China,210003) ,  Sun Jinlong (College of Telecommunications and Information Engineering, NJUPT,Nanjing,China,210003) ,  Gacanin Haris (Nokia Bell Labs,Antwerp,Belgium,2018) ,  Sari Hikmet (College of Telecommunications and Information Engineering, NJUPT,Nanjing,China,210003) ,  Fumiyuki Adachi (Tohoku University,Research Organization of Electrical Communication,Sendai,Japan,980-8577)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICNC  ページ： 938-943  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： 変調信号分類(MSC)は,非協調通信の可能な応用を作るための不可欠な技術である。現在,畳込みニューラルネットワーク(CNN)ベースのMSC技術は,固定雑音領域で優れた性能を達成することができる。しかし,それらは全ての雑音シナリオに一般化するのが困難である。これらの従来の方法は固定SNRを持つ特定の信号サンプルで訓練され,それらは対応する雑音条件下でのみ良好に機能する。従来の方法とは異なり,本論文では,強力な汎用性を有するロバストCNNベース一般化MSC(GMSC)法を提案した。この能力は,種々のSNR領域の下で,同相および直交(IQ)サンプルを含む混合データセットから生じる。実験結果は,提案方法が様々な雑音条件の下でロバストであり,一方,従来の方法と比較してわずかな性能を失うことを示した。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： *雑音 ,  汎用性 ,  直交性 ,  ロバスト性
準シソーラス用語： 協調通信 ,  変調分類 ,  *深層学習 ,  畳込みニューラルネットワーク , 【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)： 雑音 ,  一般化 ,  変調分類 ,  深層学習