文献

J-GLOBAL ID：202202251229758337   整理番号：22A0977850

非線形性制約システムのための変調と電力の深層学習ベース結合最適化【JST・京大機械翻訳】

Deep Learning-Based Joint Optimization of Modulation and Power for Nonlinearity-Constrained System

著者 (2件)： Liu Zhiyuan (School of Electronics, Peking University, Beijing, China) ,  Ma Meng (School of Electronics, Peking University, Beijing, China)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 30018-30025  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 長距離または厳しい干渉を有する無線通信システムでは,不十分な送信電力はシステム性能を制限する。この場合,最大送信電力は,電力増幅器(PA)の非線形性と飽和領域に依存し,これは,本論文における非線形性制約問題として参照される。非線形性制約システムにおいてできるだけ高い送信電力を増加させるため,本論文では,変調方式と送信電力を共同最適化するための自動符号化器ベースシステムを提案した。最適解は,送信電力の増加と非線形歪の低減の間のトレードオフを達成できる。一方,最適化信号配置とニューラルネットワークベース受信機は,非線形歪に対する容量を効果的に改善できる。シミュレーション結果は,提案方法がシンボル誤り率(SER)と送信電力に関して従来の方式より優れていて,提案方法のSERが非線形PAのSER下限に近いことを示した。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： *最適化 ,  シミュレーション ,  性能 ,  *電力 ,  電力増幅器 ,  受信機 ,  非直線歪 ,  符号器 ,  非線形性 ,  誤り率
準シソーラス用語： 最適解 ,  送信電力 ,  システム性能 ,  変調方式 ,  無線システム ,  シンボル誤り率 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 無線通信一般  (ND08010L) ,  信号理論  (ND02020G)

タイトルに関連する用語 (5件)： 非線形性 ,  制約 ,  変調 ,  深層学習 ,  結合最適化