無線周波数応用におけるスペクトル充填のための深層学習【JST・京大機械翻訳】

Setzler Matthew; Coda Elizabeth; Rounds Jeremiah; Vann Michael; Girard Michael

プレプリント

J-GLOBAL ID：202202217578433418 整理番号：22P0325033

無線周波数応用におけるスペクトル充填のための深層学習【JST・京大機械翻訳】

Deep Learning for Spectral Filling in Radio Frequency Applications

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 (5件)： , , , ,
資料名：
発行年： 2022年03月31日プレプリントサーバーでの情報更新日： 2022年03月31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)

モノのインターネット(IoT)増殖のため,無線周波数(RF)チャネルは,ユニークで多様な通信ニーズを運ぶ新しい種類のデバイスでますます混雑している。これは,現代のディジタル通信における複雑な課題を提起し,(i)限られた帯域幅環境における容量(ビットレート)の最適化,(ii)既に展開されたRFプロトコルと協同的に統合し,(iii)現代のディジタル通信における絶えず変化する要求に順応する技術革新の開発を要求する。本論文では,スペクトル充填のために深いニューラルネットワークを適用する方法を示す。予め確立された変調方式によるディジタルメッセージを伝送するRFチャネルを与えられた場合,追加メッセージの形で,固定変調信号(すなわち,それらに干渉しない)の形式で,余分な情報を送る新しい変調方式を自動的に学習する。そのため,帯域幅を増加させることなくチャネル容量を効果的に増加させる。さらに,元の変調に近接する信号を生成する能力を実証し,余分なメッセージの存在は第三者リストに検出できない。著者らは,著者らの方法の有効性を示す3つの計算実験を提示して,現代のRF応用に対する著者らの結果の意味を考察することによって結論を下した。【JST・京大機械翻訳】

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

無線通信一般

, , ,

前のページに戻る