論文の概要: Intelligent Radio Signal Processing: A Survey

• arxiv url: http://arxiv.org/abs/2008.08264v3
• Date: Fri, 4 Jun 2021 00:48:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-27 12:35:31.175535
• Title: Intelligent Radio Signal Processing: A Survey
• Title（参考訳）: インテリジェント無線信号処理:調査
• Authors: Quoc-Viet Pham and Nhan Thanh Nguyen and Thien Huynh-The and Long Bao Le and Kyungchun Lee and Won-Joo Hwang
• Abstract要約: 本調査では、変調分類、信号検出、ビームフォーミング、チャネル推定を含む、無線物理層のための4つのインテリジェント信号処理トピックについて述べる。 必要な背景を提供するため、まず、機械学習、ディープラーニング、フェデレーション学習などのAI技術の概要を紹介する。 我々は、インテリジェント無線信号処理分野における多くの研究課題と今後の方向性を強調した。
• 参考スコア（独自算出の注目度）: 23.399432997982988
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intelligent signal processing for wireless communications is a vital task in modern wireless systems, but it faces new challenges because of network heterogeneity, diverse service requirements, a massive number of connections, and various radio characteristics. Owing to recent advancements in big data and computing technologies, artificial intelligence (AI) has become a useful tool for radio signal processing and has enabled the realization of intelligent radio signal processing. This survey covers four intelligent signal processing topics for the wireless physical layer, including modulation classification, signal detection, beamforming, and channel estimation. In particular, each theme is presented in a dedicated section, starting with the most fundamental principles, followed by a review of up-to-date studies and a summary. To provide the necessary background, we first present a brief overview of AI techniques such as machine learning, deep learning, and federated learning. Finally, we highlight a number of research challenges and future directions in the area of intelligent radio signal processing. We expect this survey to be a good source of information for anyone interested in intelligent radio signal processing, and the perspectives we provide therein will stimulate many more novel ideas and contributions in the future.
• Abstract（参考訳）: 無線通信のためのインテリジェントな信号処理は、現代の無線システムでは不可欠であるが、ネットワークの不均一性、多様なサービス要件、大量の接続、様々な無線特性のために、新しい課題に直面している。 近年のビッグデータとコンピューティング技術の進歩により、人工知能(AI)は無線信号処理に有用なツールとなり、インテリジェントな無線信号処理の実現を可能にしている。 この調査は、変調分類、信号検出、ビームフォーミング、チャネル推定を含む、ワイヤレス物理層のための4つのインテリジェントな信号処理トピックをカバーする。 特に、各テーマは、最も基本的な原則から始まり、最新の研究と要約のレビューによって、専用のセクションで提示される。 必要な背景を提供するため,まず,機械学習,ディープラーニング,フェデレーション学習といったai技術の概要を紹介する。 最後に,知的無線信号処理分野における多くの研究課題と今後の方向性について述べる。 この調査は、インテリジェントな無線信号処理に関心のある人なら誰でも良い情報源になることを期待しており、私たちの提供する視点は、将来多くの新しいアイデアやコントリビューションを刺激するでしょう。

関連論文リスト

• Multi-task Learning for Radar Signal Characterisation [48.265859815346985]
  本稿では,マルチタスク学習(MTL)問題として,レーダ信号の分類と特徴化に取り組むためのアプローチを提案する。 本稿では,複数のレグレッションタスクと分類タスクを同時最適化するIQST(IQ Signal Transformer)を提案する。 合成レーダデータセット上で提案したMTLモデルの性能を示すとともに,レーダ信号の特徴付けのための一級ベンチマークも提供する。
  論文  参考訳（メタデータ） (2023-06-19T12:01:28Z)
• Pervasive Machine Learning for Smart Radio Environments Enabled by Reconfigurable Intelligent Surfaces [56.35676570414731]
  Reconfigurable Intelligent Surfaces(RIS)の新たな技術は、スマート無線環境の実現手段として準備されている。 RISは、無線媒体上の電磁信号の伝搬を動的に制御するための、高度にスケーラブルで低コストで、ハードウェア効率が高く、ほぼエネルギーニュートラルなソリューションを提供する。 このような再構成可能な無線環境におけるRISの密配置に関する大きな課題の1つは、複数の準曲面の効率的な構成である。
  論文  参考訳（メタデータ） (2022-05-08T06:21:33Z)
• Roadmap on Signal Processing for Next Generation Measurement Systems [0.222020259427608]
  人工知能と機械学習の最近の進歩は、研究の注目をインテリジェントでデータ駆動の信号処理へとシフトさせている。 このロードマップは、次世代計測システムに向けた今後の課題と研究の機会を強調するために、最先端の手法と応用について批判的な概要を提示する。 基礎研究から工業研究まで幅広い分野をカバーし、研究分野ごとの現在と将来の発展の傾向と影響を反映した簡潔なテーマのセクションで組織されている。
  論文  参考訳（メタデータ） (2021-11-03T19:39:34Z)
• Transfer Learning for Future Wireless Networks: A Comprehensive Survey [49.746711269488515]
  本稿では,無線ネットワークにおける転送学習の応用に関する包括的調査を行う。 まず,形式的定義,分類,様々な種類のtl技術を含むtlの概要について述べる。 次に,無線ネットワークにおける新たな課題に対処するために,多様なTLアプローチを提案する。
  論文  参考訳（メタデータ） (2021-02-15T14:19:55Z)
• Multi-task Learning Approach for Automatic Modulation and Wireless Signal Classification [1.827510863075184]
  深層ニューラルネットワークの可能性をマルチタスク学習(MTL)フレームワークと組み合わせて活用し、変調と信号分類のタスクを同時に学習します。 我々は、レーダーと複数のラベルとの通信信号からなる唯一の既知のオープン異種無線信号データセットをリリースします。
  論文  参考訳（メタデータ） (2021-01-25T17:43:42Z)
• Artificial Intelligence for Satellite Communication: A Review [91.3755431537592]
  この研究は、AI、その多様なサブフィールド、そして最先端のアルゴリズムの概要を提供する。 さまざまな衛星通信分野へのAIの適用は、ビームホッピング、アンチジャミング、ネットワークトラフィック予測、チャネルモデリング、テレメトリマイニング、電離圏シンチレーション検出、干渉管理、リモートセンシング、行動モデリング、スペースエアグラウンド統合、エネルギー管理など、優れた可能性を実証しています。
  論文  参考訳（メタデータ） (2021-01-25T13:01:16Z)
• Wireless for Machine Learning [91.13476340719087]
  我々は、分散データセット上で機械学習サービスをサポートするように設計された最先端のワイヤレス手法について、徹底的にレビューする。 文献にはアナログ・オーバー・ザ・エア計算とMLに最適化されたデジタル無線リソース管理という2つの明確なテーマがある。 このサーベイは、これらのメソッドを包括的に紹介し、最も重要な研究をレビューし、オープンな問題を強調し、アプリケーションのシナリオについて議論する。
  論文  参考訳（メタデータ） (2020-08-31T11:09:49Z)
• Intelligent Reflecting Surface Aided Wireless Communications: A Tutorial [64.77665786141166]
  インテリジェント反射面(Intelligent Reflecting Surface、IRS)は、無線ネットワークにおける電波伝搬を工学する技術である。 IRSは無線チャネルを動的に変更して通信性能を向上させることができる。 その大きな可能性にもかかわらず、IRSは無線ネットワークに効率的に統合されるための新たな課題に直面している。
  論文  参考訳（メタデータ） (2020-07-06T13:59:09Z)
• Federated Machine Learning for Intelligent IoT via Reconfigurable Intelligent Surface [35.64178319119883]
  我々は,インテリジェントIoTネットワークのための,オーバー・ザ・エアに基づく通信効率の高いフェデレーション機械学習フレームワークを開発した。 モデル集約誤差を低減するために,マルチアクセスチャネルの波形重畳特性を利用する。
  論文  参考訳（メタデータ） (2020-04-13T09:48:04Z)
• Communication-Efficient Edge AI: Algorithms and Systems [39.28788394839187]
  エッジデバイス(IoTデバイスなど)の大規模展開は、前例のない規模のデータを生成する。 このような巨大なデータはすべて、処理のためにエンドデバイスからクラウドに送信することはできない。 AIモデルの推論とトレーニングプロセスをエッジノードにプッシュすることで、エッジAIは有望な代替手段として浮上した。
  論文  参考訳（メタデータ） (2020-02-22T09:27:55Z)
• Two Applications of Deep Learning in the Physical Layer of Communication Systems [0.0]
  ディープラーニングは、データ駆動信号処理アルゴリズムを開発するための強力なツールであることが証明されている。 入力信号の重要な特徴と特徴を学習することで、学習アルゴリズムは多くの人造アルゴリズムを破ることができる。
  論文  参考訳（メタデータ） (2020-01-10T08:52:34Z)

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。