RCNet:制限されたトレーニングによるMIMO-OFDMシンボル検出のための深層RNNへの構造的情報の組込み【JST・京大機械翻訳】

Zhou Zhou; Liu Lingjia; Jere Shashank; Jianzhong; Zhang; Yi Yang

プレプリント

J-GLOBAL ID：202202208948400930 整理番号：22P0123232

RCNet:制限されたトレーニングによるMIMO-OFDMシンボル検出のための深層RNNへの構造的情報の組込み【JST・京大機械翻訳】

RCNet: Incorporating Structural Information into Deep RNN for MIMO-OFDM Symbol Detection with Limited Training

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2020年03月15日プレプリントサーバーでの情報更新日： 2020年03月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,特別な再帰ニューラルネットワーク(RNN)-貯水池コンピューティング(RC)に焦点を当てた学習ベースMIMO-OFDMシンボル検出戦略を検討した。最初に,OFDM信号に固有の構造情報を利用するために,時間周波数RCを導入した。建築ブロックとして時間領域RCと時間周波数RCを用いて,RCNetに対する浅いRCの2つの拡張を提供した。1)多重時間領域RCを攻撃する;2)多重時間周波数RCを深い構造に詰める。RNN動力学,MIMO-OFDM信号の時間-周波数構造,および深いネットワークの組合せは,RCNetがMIMO-OFDM信号の干渉と非線形歪を扱うことを可能にし,既存の方法より優れている。ほとんどの既存のNNベース検出戦略とは異なり,RCNetは限られた訓練セット(即ち,標準モデルベースアプローチとして参照信号/訓練の類似量)でも良好な一般化性能を提供することを示した。数値実験は,導入したRCNetが,送信機における電力増幅器圧縮または受信機における有限量子化分解能によるように,MIMO-OFDM信号の非線形歪を補償することによって,浅いRC構造上のビットエラー率において,より高速な学習収束と20%の利得を提供できることを実証した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

移動通信 , 通信方式一般

, , , , , ,

前のページに戻る