文献
J-GLOBAL ID:202202268817489042   整理番号:22A0780715

Vバンド受信機信号の雑音低減と分類のためのハイブリッドLSTM-ResNet深層ニューラルネットワーク【JST・京大機械翻訳】

A Hybrid LSTM-ResNet Deep Neural Network for Noise Reduction and Classification of V-Band Receiver Signals
著者 (5件):
資料名:
巻: 10  ページ: 14797-14806  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:
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。
雑音低減は通信システムにおける信号処理に使用される最も重要なプロセスの一つである。信号対雑音比(SNR)は,ビット誤り率(BER)を最小化するための重要パラメータである。ミリ波システムに見られる固有雑音は主に白色雑音と位相雑音の組合せである。無線データ転送システムにおけるSNRの増加は,信頼性と性能改良につながる。この問題に取り組むために,信号雑音低減を達成するために,長い短期メモリ(LSTM)オートエンコーダアーキテクチャを持つ再帰ニューラルネットワーク(RNN)の使用を提案した。この設計は,単一符号器層と2つの復号器層を有する複合LSTM自動符号器に基づいている。Vバンド受信機テストベンチを設計し,高速無線通信システムを提供するために製作した。コンステレーションダイアグラムは,PSKとQAM変調信号の様々なランダムシーケンスに対して測定した出力信号を示した。LSTMオートエンコーダを,様々な雑音信号を用いて実時間で訓練した。次に,訓練されたシステムを,試験信号におけるノイズレベルを減らすために使用する。設計した受信機のSNRは11.8dBのオーダーであり,それは3レベルLSTM自動符号器を用いて13.66dBに増加した。その結果,提案したアルゴリズムはビットエラー率を10-8から10-11に低減した。提案アルゴリズムの性能は他の雑音低減戦略に匹敵する。拡張雑音除去信号をResNet-152深層畳込みネットワークに供給し,最終分類を行った。復調型は99.93%の精度で分類される。これを実験的測定により確認した。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

分類 (4件):
分類
JSTが定めた文献の分類名称とコードです
通信方式一般  ,  音声処理  ,  無線通信一般  ,  有線通信方式・機器 

前のページに戻る