文献

J-GLOBAL ID：202202219473523995   整理番号：22A0780035

コグニティブ無線における連合学習ベース協調スペクトルセンシング【JST・京大機械翻訳】

Federated Learning-Based Cooperative Spectrum Sensing in Cognitive Radio

著者 (4件)： Chen Zhibo (College of Communication Engineering, Army Engineering University of PLA, Nanjing, China) ,  Xu Yi-Qun (College of Communication Engineering, Army Engineering University of PLA, Nanjing, China) ,  Wang Hongbin (College of Communication Engineering, Army Engineering University of PLA, Nanjing, China) ,  Guo Daoxing (College of Communication Engineering, Army Engineering University of PLA, Nanjing, China)
資料名： IEEE Communications Letters  (IEEE Communications Letters)
巻： 26  号： 2  ページ： 330-334  発行年： 2022年 
JST資料番号： W0941A  ISSN： 1089-7798  CODEN： ICLEF6  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： 深層協調センシングは,深層ニューラルネットワーク(DNN)に基づく協調スペクトルセンシング(CSS)アルゴリズムである。訓練DNNは大量のサンプルデータを必要とするので,より悪い既存のアルゴリズムは,伝送チャネルを大幅に占有する融合センター(FC)に訓練データを直接送る。これに動機付けられて,本論文では,CSSに連合学習フレームワークを導入し,連合学習ベーススペクトルセンシング(FLSS)アルゴリズムを提案した。連合学習フレームワークでは,データを一緒に収集する必要はない。各二次ユーザ(SU)はニューラルネットワークモデルを訓練するために局所データを使用し,パラメータを統合するためにFCに勾配を送る。このフレームワークは,局所データプライバシーを保証し,SUとFC間のトラヒック負荷を大幅に削減しながら,協調訓練を実行することができる。さらに,パラメータ数を減らし訓練効率を改善するために,効率的なネットワークモデルShuffnetV2を採用した。シミュレーション結果は,FLSSがSNR=-15dBで1%の誤り警報確率で98.78%の検出確率を達成できることを証明した。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： *アルゴリズム ,  *検出 ,  シミュレーション ,  データ ,  深層 ,  チャネル ,  フレームワーク【ソフトウェア開発】
準シソーラス用語： 神経回路網モデル ,  訓練データ ,  ネットワークモデル ,  誤警報 ,  *コグニティブ無線 ,  検出確率 ,  *協調スペクトルセンシング ,  協調センシング ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： コグニティブ無線 ,  学習 ,  協調スペクトルセンシング