論文の概要: Radio-Frequency Multi-Mode OAM Detection Based on UCA Samples Learning

• arxiv url: http://arxiv.org/abs/2111.15638v1
• Date: Mon, 29 Nov 2021 15:55:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-01 16:52:40.840042
• Title: Radio-Frequency Multi-Mode OAM Detection Based on UCA Samples Learning
• Title（参考訳）: UCAサンプル学習に基づく高周波マルチモードOAM検出
• Authors: Jiabei Fan, Rui Chen, Wen-Xuan Long, Marco Moretti, and Jiandong Li
• Abstract要約: 電波周波数における軌道角運動量(OAM)は、同じ周波数チャネル上の一連のモードを多重化する新しいアプローチを提供する。 古典位相勾配に基づくOAMモード検出法は、送信アンテナと受信アンテナの完全なアライメントを必要とする。
• 参考スコア（独自算出の注目度）: 19.3368485421533
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Orbital angular momentum (OAM) at radio-frequency provides a novel approach of multiplexing a set of orthogonal modes on the same frequency channel to achieve high spectral efficiencies. However, classical phase gradient-based OAM mode detection methods require perfect alignment of transmit and receive antennas, which greatly challenges the practical application of OAM communications. In this paper, we first show the effect of non-parallel misalignment on the OAM phase structure, and then propose the OAM mode detection method based on uniform circular array (UCA) samples learning for the more general alignment or non-parallel misalignment case. Specifically, we applied three classifiers: K-nearest neighbor (KNN), support vector machine (SVM), and back-propagation neural network (BPNN) to both single-mode and multi-mode OAM detection. The simulation results validate that the proposed learning-based OAM mode detection methods are robust to misalignment errors and especially BPNN classifier has the best generalization performance.
• Abstract（参考訳）: 高周波での軌道角運動量(oam)は、同じ周波数チャネル上の直交モードの集合を多重化して高いスペクトル効率を達成する新しいアプローチを提供する。 しかし、古典位相勾配に基づくOAMモード検出法は、送信アンテナと受信アンテナの完全なアライメントを必要とするため、OAM通信の実用化に大きな課題がある。 本稿では,OAM位相構造に対する非並列不整合の影響を最初に示すとともに,より一般的なアライメントや非並列不整合を学習した一様円配列(UCA)サンプルに基づくOAMモード検出手法を提案する。 具体的には、K-nearest neighbor(KNN)、サポートベクトルマシン(SVM)、バックプロパゲーションニューラルネットワーク(BPNN)の3つの分類器をシングルモードおよびマルチモードOAM検出の両方に適用した。 シミュレーションの結果,提案手法は誤り訂正に頑健であり,特にBPNN分類器は最適の一般化性能を有することがわかった。

関連論文リスト

• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• Multi-Class Anomaly Detection based on Regularized Discriminative Coupled hypersphere-based Feature Adaptation [85.15324009378344]
  本稿では,修正正規化識別変分オートエンコーダ(RD-VAE)によって得られたクラス識別特性を特徴抽出プロセスに組み込んだ新しいモデルを提案する。 提案した正規化識別型超球型特徴適応(RD-CFA)は,多クラス異常検出のための解である。
  論文  参考訳（メタデータ） (2023-11-24T14:26:07Z)
• An ML-assisted OTFS vs. OFDM adaptable modem [1.8492669447784602]
  OTFSおよびOFDM波形は、レガシーアーキテクチャの再利用、レシーバ設計の単純さ、低複雑さ検出の利点を享受する。 本稿では,送信機におけるOTFSまたはOFDM信号処理チェーンと受信機とを切り替えて,平均二乗誤差(MSE)性能を最適化するディープニューラルネットワーク(DNN)に基づく適応方式を提案する。
  論文  参考訳（メタデータ） (2023-09-04T02:33:44Z)
• One-Dimensional Deep Image Prior for Curve Fitting of S-Parameters from Electromagnetic Solvers [57.441926088870325]
  Deep Image Prior(ディープ・イメージ・プライオリ、ディープ・イメージ・プライオリ、DIP)は、ランダムなd畳み込みニューラルネットワークの重みを最適化し、ノイズや過度な測定値からの信号に適合させる技術である。 本稿では,Vector Fitting (VF) の実装に対して,ほぼすべてのテスト例において優れた性能を示す。
  論文  参考訳（メタデータ） (2023-06-06T20:28:37Z)
• Omni-frequency Channel-selection Representations for Unsupervised Anomaly Detection [11.926787216956459]
  本稿では,周波数を考慮した新しいOmni- frequency Channel-Selection Reconstruction (OCR-GAN) ネットワークを提案する。 提案手法は, 再建ベースラインを+38.1, 現行のSOTA法を+0.3に大きく上回っている。
  論文  参考訳（メタデータ） (2022-03-01T06:35:15Z)
• Enhanced detection techniques of Orbital Angular Momentum states in the classical and quantum regimes [48.7576911714538]
  Orbital Angular Momentum(OAM)状態に固有の複雑な構造は、それらの検出と分類を非自明にする。 現在の検出方式のほとんどは、ラゲール・ガウスモードを用いて構築されたOAM状態のモデルに基づいている。 我々は、OAM検出技術を改善するために(特定のシナリオにおいて)洗練されたモデルの基礎状態として、ハイパー幾何-ガウスモードを用いる。
  論文  参考訳（メタデータ） (2022-01-19T18:46:34Z)
• Channel Estimation Based on Machine Learning Paradigm for Spatial Modulation OFDM [0.0]
  ディープニューラルネットワーク(DNN)は、レイリーフェディングチャネル上のエンドツーエンドデータ検出のための空間変調直交周波数分割多重化(SM-OFDM)技術と統合されている。 提案システムは受信したシンボルを直接復調し,チャネル推定を暗黙的に行う。
  論文  参考訳（メタデータ） (2021-09-15T10:54:56Z)
• NOMA in UAV-aided cellular offloading: A machine learning approach [59.32570888309133]
  複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案 非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。 相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
  論文  参考訳（メタデータ） (2020-10-18T17:38:48Z)
• Deep Learning Based Antenna Selection for Channel Extrapolation in FDD Massive MIMO [54.54508321463112]
  大規模なマルチインプット多重出力(MIMO)システムでは、多数のアンテナが正確なチャネル状態情報を取得する上で大きな課題となる。 ニューラルネットワーク(NN)を用いて、アップリンクとダウンリンクチャネルデータセット間の固有の接続を捕捉し、アップリンクチャネル状態情報のサブセットからダウンリンクチャネルを外挿する。 アンテナサブセット選択問題について検討し、最高のチャネル外挿を実現し、NNのデータサイズを小さくする。
  論文  参考訳（メタデータ） (2020-09-03T13:38:52Z)
• Deep Learning Based Equalizer for MIMO-OFDM Systems with Insufficient Cyclic Prefix [11.11468231197267]
  特に、信号検出性能は、キャリア間干渉(ICI)とシンボル間干渉(ISI)によって著しく損なわれている。 この問題に対処するために,最大確率検出を近似するために,深層学習に基づく等化器を提案する。 その結果,提案手法は従来の2つのベースライン方式と比較して,大幅な性能向上を実現可能であることがわかった。
  論文  参考訳（メタデータ） (2020-07-23T02:21:24Z)
• ANN-Based Detection in MIMO-OFDM Systems with Low-Resolution ADCs [0.0]
  本稿では,信号検出に使用するLevenberg-Marquardtアルゴリズムを用いて,多層ニューラルネットワーク(ANN)を提案する。 本研究では,受信機におけるチャネル状態情報を知ることなく,データシンボル推定を行うブラインド検出方式を検討する。
  論文  参考訳（メタデータ） (2020-01-31T03:38:42Z)

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。