論文の概要: On Neural Architectures for Deep Learning-based Source Separation of Co-Channel OFDM Signals

• arxiv url: http://arxiv.org/abs/2303.06438v1
• Date: Sat, 11 Mar 2023 16:29:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-14 19:01:34.254672
• Title: On Neural Architectures for Deep Learning-based Source Separation of Co-Channel OFDM Signals
• Title（参考訳）: 深層学習に基づくOFDM信号の音源分離のためのニューラルネットワークについて
• Authors: Gary C.F. Lee and Amir Weiss and Alejandro Lancho and Yury Polyanskiy and Gregory W. Wornell
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 104.11663769306566
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We study the single-channel source separation problem involving orthogonal frequency-division multiplexing (OFDM) signals, which are ubiquitous in many modern-day digital communication systems. Related efforts have been pursued in monaural source separation, where state-of-the-art neural architectures have been adopted to train an end-to-end separator for audio signals (as 1-dimensional time series). In this work, through a prototype problem based on the OFDM source model, we assess -- and question -- the efficacy of using audio-oriented neural architectures in separating signals based on features pertinent to communication waveforms. Perhaps surprisingly, we demonstrate that in some configurations, where perfect separation is theoretically attainable, these audio-oriented neural architectures perform poorly in separating co-channel OFDM waveforms. Yet, we propose critical domain-informed modifications to the network parameterization, based on insights from OFDM structures, that can confer about 30 dB improvement in performance.
• Abstract（参考訳）: 近年のデジタル通信システムにおいてユビキタスである直交周波数分割多重化(ofdm)信号を含む単一チャネル源分離問題について検討した。 モノラル音源分離では、音声信号(1次元時系列として)のエンドツーエンドセパレータをトレーニングするために最先端のニューラルアーキテクチャが採用されている。 本研究は,OFDMソースモデルに基づくプロトタイプ問題を通じて,通信波形に関連する特徴に基づいた信号の分離において,音声指向のニューラルアーキテクチャを用いることの有効性を評価する。 意外なことに、完全分離が理論上達成可能ないくつかの構成では、これらのオーディオ指向ニューラルネットワークは、共チャネルOFDM波形の分離において不十分に機能する。 しかし、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し、約30dBの性能向上を期待できる。

関連論文リスト

• MIMO-DBnet: Multi-channel Input and Multiple Outputs DOA-aware Beamforming Network for Speech Separation [55.533789120204055]
  混合信号のみを用いた方向案内音声分離のためのエンドツーエンドビームフォーミングネットワークを提案する。 具体的には,複数チャネルの入力と複数出力アーキテクチャを設計し,各ソースの指向性に基づく埋め込みとビームフォーミング重みを推定する。
  論文  参考訳（メタデータ） (2022-12-07T01:52:40Z)
• 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)
• Implicit Neural Spatial Filtering for Multichannel Source Separation in the Waveform Domain [131.74762114632404]
  モデルはエンドツーエンドで訓練され、空間処理を暗黙的に実行する。 提案したモデルを実世界のデータセット上で評価し,そのモデルがオラクルビームフォーマの性能と一致することを示す。
  論文  参考訳（メタデータ） (2022-06-30T17:13:01Z)
• Multi-Channel End-to-End Neural Diarization with Distributed Microphones [53.99406868339701]
  EENDのTransformerエンコーダを,マルチチャネル入力を処理する2種類のエンコーダに置き換える。 また,単一チャンネル記録のみを用いたモデル適応手法を提案する。
  論文  参考訳（メタデータ） (2021-10-10T03:24:03Z)
• Compute and memory efficient universal sound source separation [23.152611264259225]
  汎用オーディオソース分離のための効率的なニューラルネットワークアーキテクチャのファミリーを提供します。 この畳み込みネットワークのバックボーン構造は、SuDoRM-RF(Sccessive DOwnsampling and Resampling of Multi-Resolution Features)である。 実験の結果,SuDoRM-RFモデルは相容れない性能を示し,またいくつかの最先端ベンチマークを上回る性能を示した。
  論文  参考訳（メタデータ） (2021-03-03T19:16:53Z)
• Deep Joint Source Channel Coding for WirelessImage Transmission with OFDM [6.799021090790035]
  提案したエンコーダとデコーダは畳み込みニューラルネットワーク(CNN)を使用して、ソースイメージを直接複雑な値のベースバンドサンプルにマッピングする。 提案されたモデル駆動機械学習アプローチは、ソースとチャネルのコーディングを分離する必要をなくす。 本手法はOFDMの非線形信号遮断に対して様々なチャネル条件で堅牢であることが示された。
  論文  参考訳（メタデータ） (2021-01-05T22:27:20Z)
• DBNET: DOA-driven beamforming network for end-to-end farfield sound source separation [20.200763595732912]
  本稿では,エンド・ツー・エンドのソース分離のための指向性指向型ビームフォーミングネットワーク(DBnet)を提案する。 また,ポストマスキングネットワークを組み込んだDBnetのエンドツーエンド拡張も提案する。 実験の結果,畳み込み再帰型ポストマスキングネットワークを用いたDBnetの拡張は,最先端のソース分離法よりも優れていた。
  論文  参考訳（メタデータ） (2020-10-22T09:52:05Z)
• Multi-Tones' Phase Coding (MTPC) of Interaural Time Difference by Spiking Neural Network [68.43026108936029]
  雑音の多い実環境下での正確な音像定位のための純粋スパイクニューラルネットワーク(SNN)に基づく計算モデルを提案する。 このアルゴリズムを,マイクロホンアレイを用いたリアルタイムロボットシステムに実装する。 実験の結果, 平均誤差方位は13度であり, 音源定位に対する他の生物学的に妥当なニューロモルフィックアプローチの精度を上回っていることがわかった。
  論文  参考訳（メタデータ） (2020-07-07T08:22:56Z)
• Deep Receiver Design for Multi-carrier Waveforms Using CNNs [8.9379057739817]
  本稿では,無線環境下で受信した受信信号を共同で検出・復調するために,畳み込みニューラルネットワーク(CNN)を提案する。 提案したアーキテクチャと古典的手法を比較し,提案したCNNベースのアーキテクチャが,異なるマルチキャリア形式でより優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2020-06-02T10:29:05Z)
• DDSP: Differentiable Digital Signal Processing [13.448630251745163]
  本稿では,従来の信号処理要素を深層学習手法と直接統合できるDDSPライブラリについて紹介する。 我々は、大規模な自己回帰モデルや敵の損失を必要とせずに、高忠実度生成を実現する。 Pは、ディープラーニングの利点を犠牲にすることなく、生成モデリングに対する解釈可能でモジュラーなアプローチを可能にします。
  論文  参考訳（メタデータ） (2020-01-14T06:49:37Z)

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。