文献

J-GLOBAL ID：202102265805034550   整理番号：21A0152757

受信機チェーン最適化のための畳込みニューラルネットワークのチャネルプロファイル独立利用【JST・京大機械翻訳】

Channel Profile Independent Usage of Convolutional Neural Networks for Receiver Chain Optimization

著者 (3件)： Radi Mohammed (Center for Advancing Electronics Dresden cfAED, Technische Universitaet,Dresden,Germany) ,  Matus Emil (Center for Advancing Electronics Dresden cfAED, Technische Universitaet,Dresden,Germany) ,  Fettweis Gerhard (Center for Advancing Electronics Dresden cfAED, Technische Universitaet,Dresden,Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： LATINCOM  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： 最も革新的手法の一つは,受信機チェーンにおける異なるタスクを予測し,事前スケジューリングするための畳込みニューラルネットワーク(CNN)を用いることである。プレプロセッサとしてCNNを用いることにより,受信機処理の複雑さを最小にしながら,パケット伝送信頼性を最大化するための受信機効率を最適化する。この最先端技術は,生ベースバンドパケットに対する教師つき深層学習分類を用いて高精度を示した。この手法はブラインド技術と考えられているが,文献ではチャネル電力遅延プロファイル(PDP)に依存する。すなわち,固定ドップラー周波数シフトを有する各チャネルプロファイルに対して異なるCNNが存在する。そのうえ,いくつかのチャネルプロファイルのために,より高いSNRレベルで性能劣化をもたらす過剰適合問題がある。ここでは,まず,文献に現れる過剰適合問題を除くための正則化を導入することによって,両方の問題に対する解決策を提案し,次に,チャネルプロファイル独立アプローチを導入し,複数のCNNを1つに置換し,チャネルPDPの事前同定の必要性を削除することにより,システム複雑性を著しく低減するチャネルプロファイル非依存アプローチを導入した。最後に,性能対SNRの調整を可能にするSNR値ベース次数訓練技術も提案した。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： *最適化 ,  信頼性 ,  スケジューリング ,  電力 ,  *チェーン ,  *受信機 ,  正則化 ,  チャネル ,  プリプロセッサ
準シソーラス用語： 性能劣化 ,  パケット伝送 ,  複雑性 ,  高精度 ,  Doppler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 (6件)： 受信機 ,  チェーン ,  最適化 ,  畳込みニューラルネットワーク ,  チャネル ,  プロファイル