抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
MIMO技術によるスループットの増加は,基地局(BS)で取得したチャネル状態情報(CSI)の知識に依存する。CSIフィードバックオーバヘッドを,MIMO技術(例えば,大規模MIMOと超大規模MIMO)の進化のために手頃にするために,深い学習(DL)を導入して,CSI圧縮タスクに対処した。既存の通信システムにおける分離原理に基づいて,DLベースのCSI圧縮をソース符号化として使用した。しかし,この分離ソースチャネル符号化(SSCC)方式は,有限ブロック長領域におけるジョイントソースチャネル符号化(JSCC)方式よりも劣っている。本論文では,CSIフィードバックタスクのためのディープジョイントソースチャネル符号化(DJSCC)ベースのフレームワークを提案した。特に,提案方法はCSI源と無線チャネルから同時に学習できる。既存の方法における遅延領域におけるFourier変換を通してCSIを切断する代わりに,著者らは非線形変換ネットワークを適用してCSIを圧縮した。さらに,無線チャネル変動を扱うためにSNR適応機構を採用した。大規模な実験は,提案したフレームワークの妥当性,適応性,および普遍性を示した。【JST・京大機械翻訳】