論文の概要: Interference and noise cancellation for joint communication radar (JCR)
system based on contextual information
- arxiv url: http://arxiv.org/abs/2302.06786v1
- Date: Tue, 14 Feb 2023 02:06:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-15 16:38:58.793984
- Title: Interference and noise cancellation for joint communication radar (JCR)
system based on contextual information
- Title(参考訳): コンテキスト情報に基づくジョイント・コミュニケーション・レーダ(JCR)システムの干渉・ノイズキャンセリング
- Authors: Christantus O. Nnamani and Mathini Sellathurai
- Abstract要約: 本稿では,無線通信とレーダ信号の分離について検討する。
最適化ビームフォーミング重みは信号による干渉を緩和することを示す。
チャネル応答が不明な場合、低ノイズ・干渉キャンセルオートエンコーダとして干渉フィルタを設計した。
- 参考スコア(独自算出の注目度): 11.861415744626076
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper examines the separation of wireless communication and radar
signals, thereby guaranteeing cohabitation and acting as a panacea to spectrum
sensing. First, considering that the channel impulse response was known by the
receivers (communication and radar), we showed that the optimizing beamforming
weights mitigate the interference caused by signals and improve the physical
layer security (PLS) of the system. Furthermore, when the channel responses
were unknown, we designed an interference filter as a low-complex noise and
interference cancellation autoencoder. By mitigating the interference on the
legitimate users, the PLS was guaranteed. Results showed that even for a low
signal-to-noise ratio, the autoencoder produces low root-mean-square error
(RMSE) values.
- Abstract(参考訳): 本稿では,無線通信とレーダ信号の分離について検討し,同居を保証し,パナセアとして機能し,スペクトルセンシングを行う。
まず,受信機(通信およびレーダ)がチャネルインパルス応答を把握していることから,ビームフォーミング重みの最適化が信号による干渉を緩和し,システムの物理層セキュリティ(pls)を向上させることを示した。
さらに、チャネル応答が不明な場合、低コンプレックスノイズおよび干渉キャンセルオートエンコーダとして干渉フィルタを設計した。
正当なユーザーに対する干渉を緩和することで、plsは保証された。
その結果,低信号対雑音比においても,低ルート平均二乗誤差(RMSE)が得られた。
関連論文リスト
- Physical Layer Deception with Non-Orthogonal Multiplexing [52.11755709248891]
本稿では,ワイヤタッピングの試みに積極的に対処する物理層騙し(PLD)の枠組みを提案する。
PLDはPLSと偽装技術を組み合わせることで、積極的に盗聴の試みに対処する。
本研究では,PLDフレームワークの有効性を詳細な分析で証明し,従来のPLS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) (2024-06-30T16:17:39Z) - 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) - Deep Reinforcement Learning for Interference Management in UAV-based 3D
Networks: Potentials and Challenges [137.47736805685457]
チャネル情報を知らなくても干渉を効果的に軽減できることを示す。
干渉を利用することにより、提案された解決策は民間UAVの継続的な成長を可能にする。
論文 参考訳(メタデータ) (2023-05-11T18:06:46Z) - Secure Over-the-Air Computation using Zero-Forced Artificial Noise [24.91252655705963]
我々は,受動盗聴器の存在下で,ブロックフェディング付加型白色ガウス雑音チャネルの空力計算について検討する。
ゼロフォース人工雑音を用いて盗聴者に対するMSEセキュリティを実現する手法を提案する。
論文 参考訳(メタデータ) (2022-12-08T14:30:59Z) - 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) - Covert Communications via Adversarial Machine Learning and
Reconfigurable Intelligent Surfaces [46.34482158291128]
再構成可能なインテリジェントサーフェス(RIS)は、信号の散乱と反射プロファイルを制御するために単位セルの配列に依存する。
本稿では,RISの存在下での隠蔽通信について考察する。
論文 参考訳(メタデータ) (2021-12-21T18:23:57Z) - Autoencoder-based Communications with Reconfigurable Intelligent
Surfaces [40.65785117824341]
本稿では、再構成可能なインテリジェントサーフェス(RIS)と送受信器ペアの結合設計に関する新しいアプローチを提案する。
RISはソフトウェアで定義された単位セルの配列であり、散乱と反射プロファイルで制御でき、送信機から受信機への受信信号に焦点を合わせることができる。
送信機-受信機ペアの動作は、受信機におけるエンドツーエンド通信性能を最適化するために、ディープニューラルネットワーク(DNN)のセットとして一緒に訓練される。
論文 参考訳(メタデータ) (2021-12-08T18:02:35Z) - Complex-valued Convolutional Neural Networks for Enhanced Radar Signal
Denoising and Interference Mitigation [73.0103413636673]
本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。
CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
論文 参考訳(メタデータ) (2021-04-29T10:06:29Z) - Improving Stability of LS-GANs for Audio and Speech Signals [70.15099665710336]
このベクトル空間で計算された正規性からジェネレータ最適化の定式化への切り離しの符号化は、より包括的な分光図を作成するのに役立つことを示す。
本手法をベースラインGANと比較してモード崩壊の少ないトレーニングにおける安定性向上に有効であることを示す。
論文 参考訳(メタデータ) (2020-08-12T17:41:25Z)
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。