深いチャネル予測:時変フェージングチャネルにおける受信機設計のためのDNNフレームワーク【JST・京大機械翻訳】

Mattu Sandesh Rao; T Lakshmi Narasimhan; Chockalingam A.

プレプリント

J-GLOBAL ID：202202212040389590 整理番号：22P0308960

深いチャネル予測:時変フェージングチャネルにおける受信機設計のためのDNNフレームワーク【JST・京大機械翻訳】

Deep Channel Prediction: A DNN Framework for Receiver Design in Time-Varying Fading Channels

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 (3件)： , ,
資料名：
発行年： 2022年03月23日プレプリントサーバーでの情報更新日： 2022年03月23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)

時変フェージングチャネルにおいて,チャネル係数を,あらゆるコヒーレンス間隔を伝送するパイロットシンボルを用いて推定した。高いドップラー拡散を持つチャネルに対して,時間にわたる高速チャネル変動はパイロット伝送に対してかなりの帯域幅を必要とし,貧弱なスループットをもたらす。本論文では,チャネル変動を学習し,それによってチャネル推定に必要なパイロットシンボルの数を低減する,ディープリカレントニューラルネットワーク(RNN)を用いた新しい受信機アーキテクチャを提案した。特に,時変チャネルにおける相関を学習するためにRNNを設計し訓練し,広範囲のドップラーと信号対雑音比(SNR)にわたって良好な精度でチャネル係数を予測した。提案した訓練方法論は,教師-力訓練,早期停止,およびプラトー上の学習速度の低減のような技術の使用を通して,正確なチャネル予測を可能にする。また,異なるドップラーとSNRに対する予測のロバスト性を,ドップラーとSNRに基づく将来の予測数を適応することにより達成した。数値結果により,時変フェージングチャネルにおいて,提案した受信機により良好なビット誤り性能を達成することを示した。また,良好なビット誤り性能を維持しながら,パイロットオーバヘッドをさらに低減するRNNを用いたデータ決定駆動受信機アーキテクチャを提案した。【JST・京大機械翻訳】

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

移動通信 , 無線通信一般

, , , , ,

前のページに戻る