論文の概要: Demodulation of chaotic signals using convolutional neural network

• arxiv url: http://arxiv.org/abs/2607.16788v1
• Date: Sat, 18 Jul 2026 11:50:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.259374
• Title: Demodulation of chaotic signals using convolutional neural network
• Title（参考訳）: 畳み込みニューラルネットワークを用いたカオス信号の復調
• Abstract要約: カオス変調は、決定論的カオスを利用して擬似ランダム信号を生成する技術である。 本稿では,分岐パラメータの鍵化のための深層学習に基づく復調手法を提案する。 その結果、トレーニングデータセットに特定のパターンが含まれていない場合でも、カオスパターンを検出する能力が示された。
• 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: Chaotic modulation is an effective communication technique that exploits deterministic chaos to produce pseudo-random signals. A widely adopted approach involves modulation of the chaotic bifurcation parameter. This paper introduces a deep learning-based demodulation method for keying of the bifurcation parameter. It describes the architecture of the convolutional neural network and evaluates performance metrics for signals generated using the chaotic logistic map. The study assesses the bit error rate for binary signals and reports a bit error rate of 0.0819 for a bifurcation parameter deviation of 1.34% under additive white Gaussian noise at a signal-to-noise ratio of -13 dB (corresponding to a normalized signal-to-noise ratio of +20 dB). The results demonstrate the capability to detect chaotic patterns even when the specific patterns were not included in the training dataset.
• Abstract（参考訳）: カオス変調は、決定論的カオスを利用して擬似ランダム信号を生成する効果的な通信技術である。 広く採用されているアプローチはカオス分岐パラメータの変調を伴う。 本稿では,分岐パラメータの鍵化のための深層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アーキテクチャを説明し、カオスロジスティックマップを用いて生成された信号のパフォーマンス指標を評価する。 本研究は、バイナリ信号のビット誤り率を評価し、加算白色ガウス雑音下での分岐パラメータ偏差の0.0819のビット誤り率を、-13dB(正規化信号対雑音比+20dB)の信号対雑音比で報告する。 その結果、トレーニングデータセットに特定のパターンが含まれていない場合でも、カオスパターンを検出する能力が示された。

関連論文リスト

• Implicit Neural Representations: A Signal Processing Perspective [54.57279006229212]
  入射神経表現(INR)は、離散的なサンプルデータから連続的な機能的表現へと、信号モデリングの根本的な変化を示す。 本稿では、信号処理の観点からのINRの進化を考察し、スペクトル挙動、サンプリング理論、マルチスケール表現を強調する。 医療・レーダ画像の逆問題,圧縮,3次元シーン表現など,幅広い応用分野におけるINRの有用性を強調した。
  論文  参考訳（メタデータ） (2026-04-16T14:12:06Z)
• Supervised machine learning based signal demodulation in chaotic communications [0.0]
  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。
  論文  参考訳（メタデータ） (2025-04-27T13:53:46Z)
• 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)
• 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)
• SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
  本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。 基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。 シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
  論文  参考訳（メタデータ） (2021-06-10T04:21:20Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• 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)
• Learning Noise-Aware Encoder-Decoder from Noisy Labels by Alternating Back-Propagation for Saliency Detection [54.98042023365694]
  本稿では,ノイズを考慮したエンコーダ・デコーダ・フレームワークを提案する。 提案モデルはニューラルネットワークによってパラメータ化された2つのサブモデルから構成される。
  論文  参考訳（メタデータ） (2020-07-23T18:47:36Z)
• 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)

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。