文献

J-GLOBAL ID：202102259133311593   整理番号：21A0891527

非協調的非直交信号通信のためのウェーブレット分類【JST・京大機械翻訳】

Wavelet Classification for Non-Cooperative Non-Orthogonal Signal Communications

著者 (2件)： Xu Tongyang (University College London,Department of Electronic and Electrical Engineering,London,UK) ,  Darwazeh Izzat (University College London,Department of Electronic and Electrical Engineering,London,UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： GC Wkshps  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： 非直交マルチキャリア信号を用いた非協調通信は,自己生成キャリア間干渉(ICI)が信号分類の成功を妨げるので,挑戦的である。深層学習(DL)は,訓練複雑性のコストでドメイン知識なしで分類タスクを扱うことができる。以前の研究では,非常に訓練された畳み込みニューラルネットワーク(CNN)分類器が特徴-多様性優位信号を効率的に同定できるが,特徴-類似性が支配的なときは失敗することを示した。したがって,信号特徴多様性を増幅できる前処理戦略は非常に重要である。本研究では,単一レベルウェーブレット変換を適用して,非直交信号から時間周波数特徴を抽出した。複合統計的特徴を調べ,ウェーブレットは二次元時間周波数特徴グリッドを適切な統計的変換により一次元特徴ベクトルにさらに単純化できる。次元縮小特徴を,マルチクラス信号分類のために,多重バイナリサポートベクトルマシン(SVM)学習者から成る誤り訂正出力符号(ECOC)モデルに供給した。低コスト実験は,CNN分類結果と比較して,特徴-多様性優性信号に対して100%の分類精度と,特徴-類似性優性信号に対して90%の分類精度を明らかにし,それは,CNN分類結果と比較して,ほぼ28%の精度改善であった。Copyright 2021 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： 簡素化 ,  *波束 ,  誤り訂正 ,  多重化 ,  *通信 ,  二次元 ,  一次元 ,  優性 ,  *直交性 ,  次元縮小 ,  ウェーブレット変換 ,  ドメイン知識
準シソーラス用語： 特徴ベクトル ,  時間周波数 ,  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)： 協調 ,  直交信号 ,  ウェーブレット ,  分類