論文の概要: Machine Learning Decoder for 5G NR PUCCH Format 0
- arxiv url: http://arxiv.org/abs/2209.07861v1
- Date: Fri, 26 Aug 2022 13:34:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-25 18:01:52.620741
- Title: Machine Learning Decoder for 5G NR PUCCH Format 0
- Title(参考訳): 5G NR PUCCH フォーマット0の機械学習デコーダ
- Authors: Anil Kumar Yerrapragada, Jeeva Keshav S, Ankit Gautam, Radha Krishna
Ganti
- Abstract要約: 本稿では,物理アップリンク制御チャネルフォーマット0の復号性能向上のために,機械学習技術を用いた最初の試みを行う。
我々は、完全に接続されたニューラルネットワークを使用して、その中に埋め込まれたアップリンク制御情報コンテンツに基づいて、受信したサンプルを分類する。
トレーニングされたニューラルネットワークは、リアルタイムなワイヤレスキャプチャでテストされ、SNRが低い場合でも、従来のDFTベースのデコーダよりも精度が大幅に向上した。
- 参考スコア(独自算出の注目度): 2.714583452862023
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 5G cellular systems depend on the timely exchange of feedback control
information between the user equipment and the base station. Proper decoding of
this control information is necessary to set up and sustain high throughput
radio links. This paper makes the first attempt at using Machine Learning
techniques to improve the decoding performance of the Physical Uplink Control
Channel Format 0. We use fully connected neural networks to classify the
received samples based on the uplink control information content embedded
within them. The trained neural network, tested on real-time wireless captures,
shows significant improvement in accuracy over conventional DFT-based decoders,
even at low SNR. The obtained accuracy results also demonstrate conformance
with 3GPP requirements.
- Abstract(参考訳): 5Gセルシステムは,ユーザ機器と基地局間のフィードバック制御情報のタイムリーな交換に依存している。
この制御情報の適切な復号化は、高スループット無線リンクの設定と維持に必要である。
本稿では,物理アップリンク制御チャネルフォーマット0の復号性能向上のために,機械学習技術を用いた最初の試みを行う。
完全に接続されたニューラルネットワークを用いて,受信したサンプルを,その内部に埋め込まれたアップリンク制御情報に基づいて分類する。
トレーニングされたニューラルネットワークは、リアルタイムなワイヤレスキャプチャでテストされ、従来のDFTベースのデコーダよりも、低SNRでも精度が大幅に向上した。
得られた精度は, 3GPP要求値と一致した。
関連論文リスト
- Joint Sensing and Semantic Communications with Multi-Task Deep Learning [49.83882366499547]
無線チャンネル上で動作し、ノイズ及びフェーディング効果を受ける送信機と受信機とを含む統合システムである。
送信機は、ソースコーディング、チャネルコーディング、変調のジョイントオペレーションのために、ディープニューラルネットワーク、すなわちエンコーダを使用する。
受信機は、復調、チャネル復号、ソース復号のジョイントオペレーションにおいて、別のディープニューラルネットワーク、すなわちデコーダを使用してデータサンプルを再構築する。
論文 参考訳(メタデータ) (2023-11-08T21:03:43Z) - Agile gesture recognition for capacitive sensing devices: adapting
on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。
コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。
機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文 参考訳(メタデータ) (2023-05-12T17:24:02Z) - Channelformer: Attention based Neural Solution for Wireless Channel
Estimation and Effective Online Training [1.0499453838486013]
本稿では,改良されたチャネル推定を実現するために,エンコーダ・デコーダニューラルアーキテクチャ(Channelformer)を提案する。
我々は,復号器として,エンコーダと残差畳み込みニューラルアーキテクチャに多面的注意を払っている。
また,現代通信システムにおける第5世代(5G)新しい無線(NR)構成に基づく効果的なオンライントレーニング手法を提案する。
論文 参考訳(メタデータ) (2023-02-08T23:18:23Z) - A Scalable Graph Neural Network Decoder for Short Block Codes [49.25571364253986]
エッジ重み付きグラフニューラルネットワーク(EW-GNN)に基づく短絡符号の復号化アルゴリズムを提案する。
EW-GNNデコーダは、繰り返しメッセージパッシング構造を持つタナーグラフで動作する。
EW-GNNデコーダは,復号誤り率の観点から,BP法および深層学習に基づくBP法より優れていることを示す。
論文 参考訳(メタデータ) (2022-11-13T17:13:12Z) - NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。
所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。
ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
論文 参考訳(メタデータ) (2022-09-29T04:06:00Z) - Graph Neural Networks for Channel Decoding [71.15576353630667]
低密度パリティチェック(LDPC)やBCH符号など、様々な符号化方式の競合復号性能を示す。
ニューラルネットワーク(NN)は、与えられたグラフ上で一般化されたメッセージパッシングアルゴリズムを学習する。
提案するデコーダを,従来のチャネル復号法および最近のディープラーニングに基づく結果と比較した。
論文 参考訳(メタデータ) (2022-07-29T15:29:18Z) - Radar Image Reconstruction from Raw ADC Data using Parametric
Variational Autoencoder with Domain Adaptation [0.0]
本研究では,パラメータ制約付き変分オートエンコーダを提案し,レンジ角画像上でクラスタ化および局所化されたターゲット検出を生成する。
実際のレーダデータを用いて可能なすべてのシナリオにおいて,提案するニューラルネットワークをトレーニングする問題を回避すべく,ドメイン適応戦略を提案する。
論文 参考訳(メタデータ) (2022-05-30T16:17:36Z) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳(メタデータ) (2022-05-22T12:16:43Z) - Attention Based Neural Networks for Wireless Channel Estimation [1.0499453838486013]
本稿では,アテンション機構を利用して最も重要な入力情報に注目するハイブリッドエンコーダデコーダ構造(HA02)を初めて提案する。
特に,変換器エンコーダブロックをエンコーダとして実装し,入力特徴の空間性を達成するとともに,残差ニューラルネットワークをデコーダとして実装する。
本シミュレーションは,チャネル推定のための他の候補ニューラルネットワーク手法と比較して,優れた推定性能を示す。
論文 参考訳(メタデータ) (2022-04-28T12:54:19Z) - Deep neural network goes lighter: A case study of deep compression
techniques on automatic RF modulation recognition for Beyond 5G networks [34.71271274267469]
このレターは、自動RF変調認識のための最先端の深部圧縮・加速技術について、詳細なビューを提供する。
軽量ニューラルネットワークは、リソース制約のあるプラットフォーム上でエッジ計算能力を維持するための鍵である。
論文 参考訳(メタデータ) (2022-04-09T04:51:26Z) - End-to-End Learning of Neuromorphic Wireless Systems for Low-Power Edge
Artificial Intelligence [38.518936229794214]
我々は、ニューロモルフィックセンシング、インパルスラジオ(IR)、スパイキングニューラルネットワーク(SNN)に基づく、遠隔無線推論のための新しい「オールスパイク」低電力ソリューションを提案する。
我々は,エンコーダ,チャネル,デコーダのカスケードを,JSCC(Joint Source-Channel Coding)を実装した確率的SNNベースのオートエンコーダとして扱うエンドツーエンドのトレーニング手順を導入する。
実験により、提案したエンドツーエンドのニューロモルフィックエッジアーキテクチャが、効率的で低レイテンシなリモートセンシング、通信、推論のための有望なフレームワークを提供することを確認した。
論文 参考訳(メタデータ) (2020-09-03T09:10:16Z)
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。