文献

J-GLOBAL ID：202202280079030429   整理番号：22A0287148

知的信号処理のための効率的な残留収縮CNN雑音除去器設計:変調認識,検出,復号化【JST・京大機械翻訳】

Efficient Residual Shrinkage CNN Denoiser Design for Intelligent Signal Processing: Modulation Recognition, Detection, and Decoding

著者 (5件)： Zhang Lin (School of Electronics and Information Technology, Sun Yat-sen University, Guangzhou, China) ,  Yang Xiaoling (School of Electronics and Information Technology, Sun Yat-sen University, Guangzhou, China) ,  Liu Heng (School of Electronics and Information Technology, Sun Yat-sen University, Guangzhou, China) ,  Zhang Haotian (School of Electronics and Information Technology, Sun Yat-sen University, Guangzhou, China) ,  Cheng Julian (School of Engineering, The University of British Columbia, Kelowna, BC, Canada)
資料名： IEEE Journal on Selected Areas in Communications  (IEEE Journal on Selected Areas in Communications)
巻： 40  号： 1  ページ： 97-111  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： 信号に埋め込まれた雑音は信号処理品質を低下させる。従来の雑音除去アルゴリズムは,ノイズの統計的特性が学習されないので,実際のシステムにおいては動作しないかもしれない。この問題に取り組むために,従来の雑音除去器により行われたドメイン変換,縮小および逆変換操作の原理に基づく効率的な残留収縮畳込みニューラルネットワーク(RSCNN)支援雑音除去を提案した。提案したRSCNNは,バッチ正規化層,ドメイン変換層,収縮モジュールおよび逆変換層で構成され,そこでは,変換層が畳込み層と非線形活性化関数から成る。さらに,閾値を自動決定するための閾値学習サブネットワークを提案し,雑音抑圧性能を強化した。さらに,受信信号の前処理によりデータセットを構成し,異なる雑音除去要求に従って損失関数を設計した。RSCNN支援雑音除去器の効率と普遍性を検証するために,提案したRSCNN雑音除去器を変調認識,検出および復号化を含む3つの異なるアプリケーションシナリオに適用した。オフライン訓練後,オンライン展開段階で,雑音電力を低減し,信号対雑音比を改善するためにRSCNN雑音除去器を利用した。シミュレーション結果は,提案したインテリジェント雑音除去器が,ベンチマーク方式より低複雑性でより高い変調認識精度,より良い検出および復号化性能を達成するために信号処理能力を効率的に改良することができることを示した。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： SN比 ,  アルゴリズム ,  *雑音 ,  シミュレーション ,  畳込み ,  学習 ,  電力 ,  品質 ,  *復号化 ,  雑音発生防止 ,  応用プログラム ,  逆変換 ,  ベンチマーク ,  正規化 ,  *雑音除去

分類 (2件)： 移動通信  (ND08030H) ,  符号理論  (ND02030R)

タイトルに関連する用語 (8件)： 信号処理 ,  残留 ,  収縮 ,  CNN ,  雑音除去 ,  設計 ,  変調認識 ,  復号化