論文の概要: A light neural network for modulation detection under impairments
- arxiv url: http://arxiv.org/abs/2003.12260v3
- Date: Fri, 26 Nov 2021 10:30:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-19 04:44:20.896537
- Title: A light neural network for modulation detection under impairments
- Title(参考訳): 障害下での変調検出のための光ニューラルネットワーク
- Authors: Thomas Courtat, H\'elion du Mas des Bourboux
- Abstract要約: I/Q信号の一部の変調スキームを効率的に検出できるニューラルネットワークアーキテクチャを提案する。
パラメータの数は信号の持続時間に依存しないため、データのストリームを処理することができる。
我々は、伝搬チャネルと復調器が記録したI/Q信号にもたらすことのできる障害のシミュレーションに基づいてデータセットを生成した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a neural network architecture able to efficiently detect
modulation scheme in a portion of I/Q signals. This network is lighter by up to
two orders of magnitude than other state-of-the-art architectures working on
the same or similar tasks. Moreover, the number of parameters does not depend
on the signal duration, which allows processing stream of data, and results in
a signal-length invariant network. In addition, we have generated a dataset
based on the simulation of impairments that the propagation channel and the
demodulator can bring to recorded I/Q signals: random phase shifts, delays,
roll-off, sampling rates, and frequency offsets. We benefit from this dataset
to train our neural network to be invariant to impairments and quantify its
accuracy at disentangling between modulations under realistic real-life
conditions. Data and code to reproduce the results are made publicly available.
- Abstract(参考訳): I/Q信号の一部の変調スキームを効率的に検出できるニューラルネットワークアーキテクチャを提案する。
このネットワークは、同一または類似のタスクに取り組んでいる他の最先端アーキテクチャよりも最大2桁軽量である。
さらに、パラメータの数は、データのストリームを処理できる信号持続時間に依存しず、その結果、信号長不変ネットワークが生成される。
さらに,伝搬チャネルと復調器が記録されたi/q信号(ランダム位相シフト,遅延,ロールオフ,サンプリングレート,周波数オフセット)に生じる障害のシミュレーションに基づいてデータセットを作成した。
このデータセットの利点は、ニューラルネットワークが障害に不変であるようにトレーニングし、リアルな実生活環境下での変調の分離の精度を定量化することです。
結果を再現するデータとコードは公開されています。
関連論文リスト
- Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
ニューロモルフィックコンピューティングでは、スパイクニューラルネットワーク(SNN)が推論タスクを実行し、シーケンシャルデータを含むワークロードの大幅な効率向上を提供する。
ハードウェアとソフトウェアの最近の進歩は、スパイクニューロン間で交換された各スパイクに数ビットのペイロードを埋め込むことにより、推論精度をさらに高めることを示した。
本稿では,マルチレベルSNNを用いた無線ニューロモルフィック分割計算アーキテクチャについて検討する。
論文 参考訳(メタデータ) (2024-11-07T14:08:35Z) - Modulation Classification Through Deep Learning Using Resolution
Transformed Spectrograms [3.9511559419116224]
畳み込みニューラルネットワーク(CNN)の近代的アーキテクチャを用いた自動変調分類(AMC)手法を提案する。
我々は、受信したI/Qデータから99.61%の計算負荷削減と8倍の高速変換をもたらす分光器の分解能変換を行う。
この性能は、SqueezeNet、Resnet-50、InceptionResnet-V2、Inception-V3、VGG-16、Densenet-201といった既存のCNNモデルで評価される。
論文 参考訳(メタデータ) (2023-06-06T16:14:15Z) - Signal Detection in MIMO Systems with Hardware Imperfections: Message
Passing on Neural Networks [101.59367762974371]
本稿では,Multi-Input-multiple-output (MIMO)通信システムにおける信号検出について検討する。
パイロット信号が限られているディープニューラルネットワーク(DNN)のトレーニングは困難であり、実用化を妨げている。
我々は、ユニタリ近似メッセージパッシング(UAMP)アルゴリズムを利用して、効率的なメッセージパッシングに基づくベイズ信号検出器を設計する。
論文 参考訳(メタデータ) (2022-10-08T04:32:58Z) - Convolutional generative adversarial imputation networks for
spatio-temporal missing data in storm surge simulations [86.5302150777089]
GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。
提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
論文 参考訳(メタデータ) (2021-11-03T03:50:48Z) - Signal Processing Based Deep Learning for Blind Symbol Decoding and
Modulation Classification [14.276414947868727]
信号の盲目的復号には、未知の送信パラメータを推定し、無線チャネルの障害を補償し、変調タイプを特定する必要がある。
本稿では、DSP操作の信号経路と、未知の送信パラメータを推定するニューラルネットワークの特徴経路からなる二重経路ネットワーク(DPN)を提案する。
論文 参考訳(メタデータ) (2021-06-19T18:00:31Z) - SignalNet: A Low Resolution Sinusoid Decomposition and Estimation
Network [79.04274563889548]
本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。
基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。
シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
論文 参考訳(メタデータ) (2021-06-10T04:21:20Z) - Performance Bounds for Neural Network Estimators: Applications in Fault
Detection [2.388501293246858]
ニューラルネットワークの堅牢性を定量化し,モデルに基づく異常検知器の構築とチューニングを行った。
チューニングでは,通常動作で想定される誤報発生率の上限を具体的に提示する。
論文 参考訳(メタデータ) (2021-03-22T19:23:08Z) - Modulation Pattern Detection Using Complex Convolutions in Deep Learning [0.0]
ノイズやチャネル障害が信号に影響を与えるため、変調パターンの分類は困難である。
我々は、一連の畳み込みニューラルネットワークアーキテクチャにおける複雑な畳み込みの実装と利用について研究する。
論文 参考訳(メタデータ) (2020-10-14T02:43:11Z) - Conditioning Trick for Training Stable GANs [70.15099665710336]
本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。
我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
論文 参考訳(メタデータ) (2020-10-12T16:50:22Z) - Multi-Tones' Phase Coding (MTPC) of Interaural Time Difference by
Spiking Neural Network [68.43026108936029]
雑音の多い実環境下での正確な音像定位のための純粋スパイクニューラルネットワーク(SNN)に基づく計算モデルを提案する。
このアルゴリズムを,マイクロホンアレイを用いたリアルタイムロボットシステムに実装する。
実験の結果, 平均誤差方位は13度であり, 音源定位に対する他の生物学的に妥当なニューロモルフィックアプローチの精度を上回っていることがわかった。
論文 参考訳(メタデータ) (2020-07-07T08:22:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。