論文の概要: Underwater Acoustic Communication Receiver Using Deep Belief Network
- arxiv url: http://arxiv.org/abs/2102.13397v1
- Date: Fri, 26 Feb 2021 11:18:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-01 13:41:12.874418
- Title: Underwater Acoustic Communication Receiver Using Deep Belief Network
- Title（参考訳）: 深層信念ネットワークを用いた水中音響通信受信装置
- Authors: Abigail Lee-Leon, Chau Yuen, Dorien Herremans
- Abstract要約: 機械学習技術の探求による新しい受信システムの設計--Deep Belief Network (DBN)
提案する受信システムは,ドップラー効果とマルチパス伝搬に影響を及ぼすチャネルの性能が向上し,13.2dbで10～3$bitエラーレート(ber)の性能が向上した。
- 参考スコア（独自算出の注目度）: 18.548303016053847
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Underwater environments create a challenging channel for communications. In
this paper, we design a novel receiver system by exploring the machine learning
technique--Deep Belief Network (DBN)-- to combat the signal distortion caused
by the Doppler effect and multi-path propagation. We evaluate the performance
of the proposed receiver system in both simulation experiments and sea trials.
Our proposed receiver system comprises of DBN based de-noising and
classification of the received signal. First, the received signal is segmented
into frames before the each of these frames is individually pre-processed using
a novel pixelization algorithm. Then, using the DBN based de-noising algorithm,
features are extracted from these frames and used to reconstruct the received
signal. Finally, DBN based classification of the reconstructed signal occurs.
Our proposed DBN based receiver system does show better performance in channels
influenced by the Doppler effect and multi-path propagation with a performance
improvement of 13.2dB at $10^{-3}$ Bit Error Rate (BER).
- Abstract（参考訳）: 水中環境はコミュニケーションのための挑戦的なチャネルを生み出す。
本論文では,ドップラー効果とマルチパス伝播による信号歪みに対抗するために,Deep Belief Network (DBN) という機械学習手法を探索し,新しい受信機システムを設計する。
シミュレーション実験と海上実験の両方において,提案システムの性能評価を行った。
提案する受信システムは、dbnに基づく非ノイズ化と受信信号の分類からなる。
まず、受信した信号をフレームに分割し、それぞれのフレームを新しいピクセル化アルゴリズムで個別に前処理する。
そして、DBNに基づくノイズ除去アルゴリズムを用いて、これらのフレームから特徴を抽出し、受信した信号を再構成する。
最後に、DBNに基づく再構成信号の分類が行われる。
提案されたDBNベースのレシーバーシステムは、ドップラー効果およびマルチパス伝播に影響されるチャネルでのより良いパフォーマンスを示し、ビットエラーレート(BER)で13.2dBの性能向上を実現している。
関連論文リスト
- Deep-Learning-Based Channel Estimation for Distributed MIMO with 1-bit Radio-Over-Fiber Fronthaul [11.370869277334227]
分散マルチインプット・マルチアウトプット(MIMO)アーキテクチャにおけるパイロット支援・アップリンクチャネル推定の問題点を考察する。
我々は最近Nguyenらによって提案されたディープラーニングに基づくチャネル推定アルゴリズムを適用した。
提案手法は,Bussgang線形最小二乗誤差チャネル推定器よりも有意に優れていることを示す。
論文 参考訳（メタデータ） (2024-06-17T08:38:29Z) - Joint Channel Estimation and Feedback with Masked Token Transformers in
Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。
エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。
提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文 参考訳（メタデータ） (2023-06-08T06:15:17Z) - 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) - Multi-stage image denoising with the wavelet transform [125.2251438120701]
深部畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、正確な構造情報を自動マイニングすることで、画像の復調に使用される。
動的畳み込みブロック(DCB)、2つのカスケードウェーブレット変換および拡張ブロック(WEB)、残留ブロック(RB)の3段階を経由した、MWDCNNによるCNNの多段階化を提案する。
論文 参考訳（メタデータ） (2022-09-26T03:28:23Z) - Waveform Learning for Next-Generation Wireless Communication Systems [16.26230847183709]
本稿では,送信受信フィルタ,星座形状,それに付随するビットラベリング,およびニューラルネットワーク(NN)ベースの検出器の結合設計のための学習に基づく手法を提案する。
この方法は、隣接するチャネルリーク比(ACLR)とピーク・ツー・アベイジ・パワー比(PAPR)の制約を同時に満たしつつ、達成可能な情報レートを最大化する。
論文 参考訳（メタデータ） (2021-09-02T14:51:16Z) - 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) - Model-Driven Deep Learning Based Channel Estimation and Feedback for
Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。
無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。
MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-04-22T13:34:53Z) - Deep Networks for Direction-of-Arrival Estimation in Low SNR [89.45026632977456]
我々は,真の配列多様体行列の変異チャネルデータから学習した畳み込みニューラルネットワーク(CNN)を導入する。
我々は低SNR体制でCNNを訓練し、すべてのSNRでDoAを予測する。
私たちの堅牢なソリューションは、ワイヤレスアレイセンサーから音響マイクロフォンやソナーまで、いくつかの分野に適用できます。
論文 参考訳（メタデータ） (2020-11-17T12:52:18Z) - Deep Denoising Neural Network Assisted Compressive Channel Estimation
for mmWave Intelligent Reflecting Surfaces [99.34306447202546]
本稿では,mmWave IRSシステムに対するディープデノイングニューラルネットワークを用いた圧縮チャネル推定法を提案する。
我々はまず、受信チェーンをほとんど使わず、アップリンクのユーザ-IRSチャネルを推定するハイブリッド・パッシブ/アクティブIRSアーキテクチャを導入する。
完全チャネル行列は、圧縮センシングに基づいて限られた測定値から再構成することができる。
論文 参考訳（メタデータ） (2020-06-03T12:18:57Z)
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。