Fugu-MT 論文翻訳(概要): Low PAPR waveform design for OFDM SYSTEM based on Convolutional Auto-Encoder

論文の概要: Low PAPR waveform design for OFDM SYSTEM based on Convolutional Auto-Encoder

arxiv url: http://arxiv.org/abs/2011.06349v1
Date: Thu, 12 Nov 2020 12:44:30 GMT
ステータス: 処理完了
システム内更新日: 2022-09-26 08:01:16.996077
Title: Low PAPR waveform design for OFDM SYSTEM based on Convolutional Auto-Encoder
Title（参考訳）: 畳み込みオートエンコーダを用いたOFDMシステムの低PAPR波形設計
Authors: Yara Huleihel and Eilam Ben-Dror and Haim H. Permuter
Abstract要約: 本稿では,ピーク対平均電力比(PAPR)低減と波形設計のための畳み込みオートエンコーダ(CAE)のアーキテクチャを紹介する。提案アーキテクチャは,PAPR削減ブロックと非線形高出力増幅器(HPA)モデルを統合する。本稿では,ビット誤り率 (BER) , PAPR, スペクトル応答を解析し, 一般的なPAPR削減アルゴリズムと比較する。
参考スコア（独自算出の注目度）: 17.390856495666316
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper introduces the architecture of a convolutional autoencoder (CAE) for the task of peak-to-average power ratio (PAPR) reduction and waveform design, for orthogonal frequency division multiplexing (OFDM) systems. The proposed architecture integrates a PAPR reduction block and a non-linear high power amplifier (HPA) model. We apply gradual loss learning for multi-objective optimization. We analyze the models performance by examining the bit error rate (BER), the PAPR and the spectral response, and comparing them with common PAPR reduction algorithms.
Abstract（参考訳）: 本稿では、直交周波数分割多重化(OFDM)システムにおいて、ピーク対平均電力比(PAPR)低減と波形設計のための畳み込みオートエンコーダ(CAE)のアーキテクチャを提案する。提案アーキテクチャは,PAPR削減ブロックと非線形高出力増幅器(HPA)モデルを統合する。段階的損失学習を多目的最適化に適用する。本稿では,ビット誤り率 (BER) , PAPR, スペクトル応答を解析し, 一般的なPAPR削減アルゴリズムと比較する。

関連論文リスト

Learned Pulse Shaping Design for PAPR Reduction in DFT-s-OFDM [13.870974874382025]
シンボル誤り率(SER)、PAPR、スペクトル平坦性要件のトレードオフを最適化し、FDSSフィルタを決定する機械学習ベースのフレームワークを提案する。その結果,学習したFDSSフィルタは従来のベースラインに比べてPAPRを低下させ,SER劣化を最小限に抑えた。
論文参考訳（メタデータ） (2024-04-24T18:50:56Z)
Function Approximation for Reinforcement Learning Controller for Energy from Spread Waves [69.9104427437916]
マルチジェネレータ・ウェーブ・エナジー・コンバータ(WEC)は、スプレッド・ウェーブと呼ばれる異なる方向から来る複数の同時波を処理しなければならない。これらの複雑な装置は、エネルギー捕獲効率、維持を制限する構造的ストレスの低減、高波に対する積極的な保護という複数の目的を持つコントローラを必要とする。本稿では,システム力学のシーケンシャルな性質をモデル化する上で,ポリシーと批判ネットワークの異なる機能近似について検討する。
論文参考訳（メタデータ） (2024-04-17T02:04:10Z)
Multiagent Reinforcement Learning with an Attention Mechanism for Improving Energy Efficiency in LoRa Networks [52.96907334080273]
ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
論文参考訳（メタデータ） (2023-09-16T11:37:23Z)
On Neural Architectures for Deep Learning-based Source Separation of Co-Channel OFDM Signals [104.11663769306566]
周波数分割多重化(OFDM)信号を含む単一チャネル音源分離問題について検討する。我々はOFDM構造からの洞察に基づいて、ネットワークパラメータ化に対する重要なドメインインフォームド修正を提案する。
論文参考訳（メタデータ） (2023-03-11T16:29:13Z)
Adversarial Audio Synthesis with Complex-valued Polynomial Networks [60.231877895663956]
音声における時間周波数(TF)表現は、実数値ネットワークとしてますますモデル化されている。我々は,このような複雑な数値表現を自然な方法で統合するAPOLLOと呼ばれる複雑な数値ネットワークを導入する。 APOLLOは、音声生成におけるSC09の最先端拡散モデルよりも17.5%$改善され、8.2%ドルとなる。
論文参考訳（メタデータ） (2022-06-14T12:58:59Z)
Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文参考訳（メタデータ） (2022-03-26T20:37:14Z)
Learning OFDM Waveforms with PAPR and ACLR Constraints [15.423422040627331]
達成可能な情報レートを最大化しつつ,選択した制約を満たすOFDMベースの波形を設計するための学習ベース手法を提案する。エンドツーエンドシステムは,PAPRとACLRの制約を満たすことができ,スループットを著しく向上させることができることを示す。
論文参考訳（メタデータ） (2021-10-21T08:58:59Z)
End-to-End Learning of OFDM Waveforms with PAPR and ACLR Constraints [15.423422040627331]
送信機にニューラルネットワーク(NN)を用いて,PAPRと隣接チャネルリーク比(ACLR)を制御可能な高次元変調方式を学習することを提案する。 2つのNNはOFDM上で動作し、PAPRとACLRの制約を強制するトレーニングアルゴリズムを使用して、エンドツーエンドで共同最適化される。
論文参考訳（メタデータ） (2021-06-30T13:09:30Z)
Low-Complexity Models for Acoustic Scene Classification Based on Receptive Field Regularization and Frequency Damping [7.0349768355860895]
ニューラルネットワークにおけるパラメータ数を削減するために,よく知られた手法をいくつか検討し,比較する。我々は、受容場に特定の制約を適用することで、高い性能の低複雑性モデルを実現することができることを示す。本稿では,モデルのRFを規則化するためのフィルタ減衰手法を提案する。
論文参考訳（メタデータ） (2020-11-05T16:34:11Z)
Optimization-driven Deep Reinforcement Learning for Robust Beamforming in IRS-assisted Wireless Communications [54.610318402371185]
Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
論文参考訳（メタデータ） (2020-05-25T01:42:55Z)

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。