Fugu-MT 論文翻訳(概要): Supervised machine learning based signal demodulation in chaotic communications

論文の概要: Supervised machine learning based signal demodulation in chaotic communications

arxiv url: http://arxiv.org/abs/2505.06243v1
Date: Sun, 27 Apr 2025 13:53:46 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-18 22:55:23.160935
Title: Supervised machine learning based signal demodulation in chaotic communications
Title（参考訳）: カオス通信における機械学習に基づく信号復調
Authors: Mykola Kozlenko,
Abstract要約: カオス分岐パラメータ変調(Chaotic bifurcation parameter modulation)は、よく知られ広く使われている手法の1つである。本稿では,分岐パラメータキーリングのための機械学習に基づく復調手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A chaotic modulation scheme is an efficient wideband communication method. It utilizes the deterministic chaos to generate pseudo-random carriers. Chaotic bifurcation parameter modulation is one of the well-known and widely-used techniques. This paper presents the machine learning based demodulation approach for the bifurcation parameter keying. It presents the structure of a convolutional neural network as well as performance metrics values for signals generated with the chaotic logistic map. The paper provides an assessment of the overall accuracy for binary signals. It reports the accuracy value of 0.88 for the bifurcation parameter deviation of 1.34% in the presence of additive white Gaussian noise at the normalized signal-to-noise ratio value of 20 dB for balanced dataset.
Abstract（参考訳）: カオス変調方式は効率的な広帯域通信方式である。決定論的カオスを利用して擬似ランダムキャリアを生成する。カオス分岐パラメータ変調(Chaotic bifurcation parameter modulation)は、よく知られ広く使われている手法の1つである。本稿では,分岐パラメータキーリングのための機械学習に基づく復調手法を提案する。畳み込みニューラルネットワークの構造に加えて、カオスロジスティックマップで生成された信号のパフォーマンス指標値も提示する。本稿では,バイナリ信号の総合的精度を評価する。平衡データセットの正規化信号-雑音比値20dBにおける付加的な白色ガウス雑音の存在下での分岐パラメータ偏差の0.88の精度を報告する。

関連論文リスト

Graph-Based Fault Diagnosis for Rotating Machinery: Adaptive Segmentation and Structural Feature Integration [0.0]
本稿では,回転機械における頑健かつ解釈可能なマルチクラス故障診断のためのグラフベースフレームワークを提案する。エントロピー最適化信号セグメンテーション、時間周波数特徴抽出、グラフ理論モデリングを統合し、振動信号を構造化表現に変換する。提案手法は,2つのベンチマークデータセットで評価した場合,高い診断精度を実現する。
論文参考訳（メタデータ） (2025-04-29T13:34:52Z)
Software defined demodulation of multiple frequency shift keying with dense neural network for weak signal communications [0.0]
弱信号デジタル通信システムにおけるシンボルとビット誤り率の性能について述べる。平均信号-雑音比が-20dBから0dBの付加白色ガウス雑音に対する干渉について検討した。
論文参考訳（メタデータ） (2025-02-22T22:21:25Z)
Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文参考訳（メタデータ） (2023-02-13T19:57:17Z)
Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文参考訳（メタデータ） (2022-06-29T23:22:18Z)
Meta-Learning Sparse Implicit Neural Representations [69.15490627853629]
入射神経表現は、一般的な信号を表す新しい道である。現在のアプローチは、多数の信号やデータセットに対してスケールすることが難しい。メタ学習型スパースニューラル表現は,高密度メタ学習モデルよりもはるかに少ない損失が得られることを示す。
論文参考訳（メタデータ） (2021-10-27T18:02:53Z)
Learning Frequency Domain Approximation for Binary Neural Networks [68.79904499480025]
フーリエ周波数領域における符号関数の勾配を正弦関数の組み合わせを用いて推定し,BNNの訓練を行う。いくつかのベンチマークデータセットとニューラルネットワークの実験により、この手法で学習したバイナリネットワークが最先端の精度を達成することが示されている。
論文参考訳（メタデータ） (2021-03-01T08:25:26Z)
Blind Modulation Classification via Combined Machine Learning and Signal Feature Extraction [5.873416857161077]
低信号パワーから雑音比(SNR)における多彩な変調の認識には,機械傾きと信号特徴抽出の組み合わせが有効である SNR=-4.2 dB では 4-QAM、SNR=2.1 dB では 4-FSK を %99 の成功率で認識できる。
論文参考訳（メタデータ） (2021-01-12T07:58:33Z)
Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
論文参考訳（メタデータ） (2020-11-18T16:40:45Z)
Iterative Correction of Sensor Degradation and a Bayesian Multi-Sensor Data Fusion Method [0.0]
本稿では,劣化信号から地中構造信号を推定する新しい手法を提案する。アルゴリズムは、2つの信号の繰り返し補正を行うことで乗算分解効果を学習する。我々は理論的解析を含意し、ノイズレス測定モデルのための地上構造信号への収束性を証明する。
論文参考訳（メタデータ） (2020-09-07T13:24:47Z)
Time-Frequency Analysis based Blind Modulation Classification for Multiple-Antenna Systems [6.011027400738812]
ブラインド変調分類は、認知無線ネットワークを実装するための重要なステップである。マルチインプット・マルチアウトプット(MIMO)技術は、軍事や民間の通信システムで広く使われている。これらのシナリオでは、従来の可能性ベースのアプローチや特徴ベースのアプローチは適用できない。
論文参考訳（メタデータ） (2020-04-01T12:27:29Z)
Data-Driven Symbol Detection via Model-Based Machine Learning [117.58188185409904]
機械学習(ML)とモデルベースアルゴリズムを組み合わせた,検出設計のシンボル化を目的とした,データ駆動型フレームワークについてレビューする。このハイブリッドアプローチでは、よく知られたチャネルモデルに基づくアルゴリズムをMLベースのアルゴリズムで拡張し、チャネルモデル依存性を除去する。提案手法は, 正確なチャネル入出力統計関係を知らなくても, モデルベースアルゴリズムのほぼ最適性能が得られることを示す。
論文参考訳（メタデータ） (2020-02-14T06:58:27Z)

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。