文献

J-GLOBAL ID：202202271966209077   整理番号：22A0287155

深層学習支援光IM/DD OFDMはRF-OFDMのスループットをアプローチする【JST・京大機械翻訳】

Deep Learning-Aided Optical IM/DD OFDM Approaches the Throughput of RF-OFDM

著者 (7件)： Van Luong Thien (Faculty of Computer Science, Phenikaa University, Hanoi, Vietnam) ,  Zhang Xiaoyu (School of Electronics and Computer Science and Optoelectronics Research Centre, University of Southampton, Southampton, U.K.) ,  Xiang Luping (School of Electronics and Computer Science, University of Southampton, Southampton, U.K.) ,  Hoang Tiep M. (School of Electronics and Computer Science, University of Southampton, Southampton, U.K.) ,  Xu Chao (School of Electronics and Computer Science, University of Southampton, Southampton, U.K.) ,  Petropoulos Periklis (Optoelectronics Research Centre, University of Southampton, Southampton, U.K.) ,  Hanzo Lajos (School of Electronics and Computer Science, University of Southampton, Southampton, U.K.)
資料名： IEEE Journal on Selected Areas in Communications  (IEEE Journal on Selected Areas in Communications)
巻： 40  号： 1  ページ： 212-226  発行年： 2022年 
JST資料番号： A0908B  ISSN： 0733-8716  CODEN： ISACEM  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： 深層学習支援光直交周波数分割多重化(O-OFDM)を,O-OFDMNetと呼ばれる強度変調直接検出伝送用に提案した。特に,O-OFDMNetは,送信機の時間領域において複素値信号を非負信号に変換するための深層ニューラルネットワーク(DNN)を採用し,受信機では逆である。関連する周波数領域信号処理は,従来の無線周波数(RF)OFDMと同じである。その結果,このスキームはRF方式と同じスペクトル効率を達成し,それは時間領域信号が実数値になることを保証するために,スペクトルドメイン信号のHermitian対称性に依存するので,既存のO-OFDM方式によっては決して達成されなかった。O-OFDMNetは,加算的白色Gauss雑音と周波数選択性チャネルの両方に対する伝送に対して,ビット誤り比(BER)とピーク対平均電力比(PAPR)を同時に改善するために,エンドツーエンド方式で訓練できるオートエンコーダアーキテクチャとして見なせることを示した。さらに,O-OFDMNetとソフト決定支援チャネル復号器を本質的に統合し,畳込みと極性符号の両方に依存する符号化性能を研究した。シミュレーション結果は,著者らの方式が,中程度の付加的DNN複雑性のコストで,ベンチマークと比較して,非コード化と符号化BERとPAPRの減少の両方を改善することを示した。さらに,提案方式はRF-OFDMのスループットに近づくことができ,これは従来のO-OFDMよりも著しく高い。最後に,著者らの複雑性解析は,O-OFDMNetがリアルタイム操作に適していることを示した。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： シミュレーション ,  畳込み ,  符号化 ,  受信機 ,  送信機 ,  復号器 ,  Gauss雑音 ,  符号誤り ,  *スループット ,  加算 ,  ベンチマーク ,  計算機アーキテクチャ ,  *OFDM ,  周波数領域
準シソーラス用語： *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (6件)： 深層学習 ,  支援 ,  IM ,  OFDM ,  RF ,  スループット