文献

J-GLOBAL ID：202202212551317889   整理番号：22A0914393

M値変調によるマルチレベル符号シフト差動Chaosシフトキーイングシステムのための深層学習に基づく知的検出【JST・京大機械翻訳】

An Intelligent Detection Based on Deep Learning for Multilevel Code Shifted Differential Chaos Shift Keying System With M-ary Modulation

著者 (5件)： Zhang Haotian (School of Electronics and Information Technology, Sun Yat-sen University, Guangzhou, China) ,  Zhang Lin (School of Electronics and Information Technology, Sun Yat-sen University, Guangzhou, China) ,  Cheng Julian (School of Engineering, The University of British Columbia, Kelowna, BC, Canada) ,  Jiang Yuan (School of Electronics and Communication Engineering, Sun Yat-sen University, Guangzhou, China) ,  Wu Zhiqiang (Department of Electrical Engineering, Tibet University, Lhasa, China)
資料名： IEEE Transactions on Cognitive Communications and Networking  (IEEE Transactions on Cognitive Communications and Networking)
巻： 8  号： 1  ページ： 155-169  発行年： 2022年 
JST資料番号： W2454A  ISSN： 2332-7731  資料種別： 逐次刊行物 (A)
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： マルチレベル符号シフトキーイング(MCS-MDCSK)システムは,マルチレベル符号シフト支援M-ary変調を適用することにより,より高いデータレートカオス情報伝送を提供する。しかし,実数値カオスシーケンスは信号に対する干渉を誘起し,高次変調は隣接シンボル間のユークリッド距離を短縮し,それにより性能劣化をもたらす。ビットエラーレート(BER)性能を改良するために,受信機で共同復調と脱拡大を達成するインテリジェント検出器を提案した。この設計では,相関カオス変調信号から特徴を抽出するために再帰的長短期メモリ(LSTM)ユニットを構築した。次に,複数の完全接続層(FCL)とLSTMユニットを連結し,情報を回復するために深層ニューラルネットワーク(DNN)を構成する。直列連結LSTM支援DNNにより,インテリジェント検出器は,共同カオス変調と拡散パターンを学習することができ,そして,共同復調と脱拡大を達成した。その結果,より大きな性能利得を達成し,信頼性性能を改善した。シミュレーション結果は,提案した設計を検証した。さらに,乗法的フェージングを受ける実用システムに対して,インテリジェントMCS-MDCSK検出器はベンチマークシステムよりも良好なBER性能を示した。Copyright 2022 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： 記憶装置 ,  シミュレーション ,  信頼性 ,  受信機 ,  フェージング【通信】 ,  乗算 ,  *符号 ,  復調 ,  利得 ,  カオス
準シソーラス用語： ビット誤り率 ,  *マルチレベル ,  Euclid距離 ,  情報伝送 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (5件)： 音声処理  (JE05000E) ,  音響信号処理  (BB03050C) ,  符号理論  (ND02030R) ,  信号理論  (ND02020G) ,  生体代行装置  (EL04000N)

タイトルに関連する用語 (7件)： m値 ,  変調 ,  マルチレベル ,  符号 ,  シフト ,  差動 ,  深層学習