Fugu-MT 論文翻訳(概要): End-to-End Autoencoder Communications with Optimized Interference Suppression

論文の概要: End-to-End Autoencoder Communications with Optimized Interference Suppression

arxiv url: http://arxiv.org/abs/2201.01388v1
Date: Wed, 29 Dec 2021 18:09:23 GMT
ステータス: 処理完了
システム内更新日: 2022-01-09 12:57:21.891509
Title: End-to-End Autoencoder Communications with Optimized Interference Suppression
Title（参考訳）: 干渉抑制を最適化したエンドツーエンドオートエンコーダ通信
Authors: Kemal Davaslioglu, Tugba Erpek, Yalin E. Sagduyu
Abstract要約: 直交周波数分割多重化(OFDM)に基づくエンドツーエンド通信システムをオートエンコーダ(AE)としてモデル化する。 GAN(Generative Adversarial Network)は、トレーニングデータが不十分な場合にトレーニングデータを増強するように訓練される。干渉訓練とランダムな平滑化は、未知かつダイナミックな干渉効果の下で運用するためにAE通信を訓練するために導入された。
参考スコア（独自算出の注目度）: 1.8176606453818558
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: An end-to-end communications system based on Orthogonal Frequency Division Multiplexing (OFDM) is modeled as an autoencoder (AE) for which the transmitter (coding and modulation) and receiver (demodulation and decoding) are represented as deep neural networks (DNNs) of the encoder and decoder, respectively. This AE communications approach is shown to outperform conventional communications in terms of bit error rate (BER) under practical scenarios regarding channel and interference effects as well as training data and embedded implementation constraints. A generative adversarial network (GAN) is trained to augment the training data when there is not enough training data available. Also, the performance is evaluated in terms of the DNN model quantization and the corresponding memory requirements for embedded implementation. Then, interference training and randomized smoothing are introduced to train the AE communications to operate under unknown and dynamic interference (jamming) effects on potentially multiple OFDM symbols. Relative to conventional communications, up to 36 dB interference suppression for a channel reuse of four can be achieved by the AE communications with interference training and randomized smoothing. AE communications is also extended to the multiple-input multiple-output (MIMO) case and its BER performance gain with and without interference effects is demonstrated compared to conventional MIMO communications.
Abstract（参考訳）: 直交周波数分割多重化(ofdm)に基づくエンドツーエンド通信システムは、送信(符号化、変調)と受信(変調、復号)をそれぞれエンコーダとデコーダのディープニューラルネットワーク(dnn)として表現するオートエンコーダ(ae)としてモデル化される。このAE通信方式は,通信路や干渉効果,トレーニングデータ,組込み実装制約といった現実的なシナリオにおいて,従来の通信よりもBER(bit error rate)の方が優れていることを示す。 GAN(Generative Adversarial Network)は、トレーニングデータが不十分な場合にトレーニングデータを増強するように訓練される。また、DNNモデル量子化および組込み実装における対応するメモリ要件の観点から性能を評価する。次に、干渉訓練とランダムな平滑化を導入し、潜在的に複数のOFDMシンボルに対して未知かつダイナミックな干渉(ジャミング)効果の下でAE通信を訓練する。従来の通信と比較して、4つのチャネル再利用のための最大36dB干渉抑制は、干渉訓練とランダムな平滑化によるAE通信によって達成できる。 AE通信は、Multiple-Input Multiple-output (MIMO) ケースにも拡張され、従来のMIMO通信と比較して、干渉効果のないBER性能向上を示す。

関連論文リスト

Latent Diffusion Model-Enabled Real-Time Semantic Communication Considering Semantic Ambiguities and Channel Noises [18.539501941328393]
本稿では, 遅延拡散モデル対応SemComシステムを構築し, 既存システムと比較して3つの改良点を提案する。軽量な単層遅延空間変換アダプタは、送信機でのワンショット学習を完了させる。終端整合蒸留法を用いて, 潜時空間で訓練した拡散模型を蒸留する。
論文参考訳（メタデータ） (2024-06-09T23:39:31Z)
Benchmarking Semantic Communications for Image Transmission Over MIMO Interference Channels [11.108614988357008]
一般マルチインプット・マルチアウトプット(MIMO)干渉チャネルに対するインターフェクト・ロバスト・セマンティック通信(IRSC)方式を提案する。このスキームはニューラルネットワーク(NN)に基づくトランシーバの開発を伴い、チャネル状態情報(CSI)を受信機のみ、または送信機と受信機の両方の端で統合する。実験結果から、IRSC方式は干渉を緩和し、ベースラインアプローチより優れることを示す。
論文参考訳（メタデータ） (2024-04-10T11:40:22Z)
Integrating Pre-Trained Language Model with Physical Layer Communications [19.20941153929975]
本稿では、物理層(PHY)通信機能と統合された実用的なオンデバイスAI通信フレームワークを提案する。我々のフレームワークは、チャネルノイズによるエンドツーエンドトレーニングを取り入れ、レジリエンスを高め、ベクトル量子化変分オートエンコーダ(VQ-VAE)を効率よく堅牢な通信に組み込み、事前学習エンコーダ・デコーダ変換を用いて一般化能力を向上させる。
論文参考訳（メタデータ） (2024-02-18T17:27:51Z)
Knowledge Distillation Based Semantic Communications For Multiple Users [10.770552656390038]
本稿では,複数のユーザを対象としたセマンティックコミュニケーション(SemCom)システムについて考察する。本稿では,トランスフォーマーベースのエンコーダデコーダをセマンティックエンコーダデコーダとして実装し,チャネルエンコーダデコーダとして完全に接続されたニューラルネットワークを実装した知識蒸留(KD)システムを提案する。数値計算の結果,KDは予期せぬ干渉に適用した場合のロバスト性や一般化能力を大幅に向上し,モデルサイズを圧縮した場合の性能損失を低減できることがわかった。
論文参考訳（メタデータ） (2023-11-23T03:28:14Z)
Communication-Efficient Framework for Distributed Image Semantic Wireless Transmission [68.69108124451263]
IoTデバイスを用いたマルチタスク分散画像伝送のためのFederated Learning-based semantic communication (FLSC)フレームワーク。各リンクは階層型視覚変換器(HVT)ベースの抽出器とタスク適応トランスレータで構成される。チャネル状態情報に基づく多重出力多重出力伝送モジュール。
論文参考訳（メタデータ） (2023-08-07T16:32:14Z)
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)
Age of Information in Deep Learning-Driven Task-Oriented Communications [78.84264189471936]
本稿では,その送信機におけるデータを利用した受信機におけるタスク実行を目的とした,タスク指向コミュニケーションにおける年齢概念について検討する。送信機-受信機操作は、共同で訓練されたディープニューラルネットワーク(DNN)のエンコーダ-デコーダペアとしてモデル化される。
論文参考訳（メタデータ） (2023-01-11T04:15:51Z)
Is Semantic Communications Secure? A Tale of Multi-Domain Adversarial Attacks [70.51799606279883]
セマンティック・コミュニケーションのためのディープ・ニューラル・ネットワーク(DNN)に対するテスト・タイム・アタックを導入する。再建損失が低い場合でも,伝達情報のセマンティクスを変更可能であることを示す。
論文参考訳（メタデータ） (2022-12-20T17:13:22Z)
Data-Driven Blind Synchronization and Interference Rejection for Digital Communication Signals [98.95383921866096]
本研究では,データ駆動型深層学習手法の可能性について検討した。本研究では,高分解能時間構造(非定常性)の取得が性能向上につながることを示す。既製のNNと古典的検出と干渉除去の両方で改善可能なドメインインフォームドニューラルネットワーク(NN)の設計を提案する。
論文参考訳（メタデータ） (2022-09-11T14:10:37Z)
Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文参考訳（メタデータ） (2022-05-02T12:23:55Z)

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。

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。