| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2020-03-04 12:15 ［技術展示］無線通信向けディープラーニングの活用法 ～ －CNNを利用した変調方式の分類－ ～ ○田中明美（マスワークス）  RCS2019-329 SR2019-113 SRW2019-59 |
|
| 抄録 | （和） | 近年，ディープラーニングは，様々な分野で応用・実用化が進んでいる．無線通信システムにおいても応用が検討されているが，専門知識や労力が必要であることや，時系列データを扱う例題も少ないことから，直ぐに試せないという課題がある．そこで本稿では，MATLAB®が提供するディープラーニングのワークフローを利用した，無線通信システムへの応用例について述べる．具体的には，各種変調方式で変調された信号波形を，画像向けのディープニューラルネットワークであるCNNを使用して分類した例を紹介する．また，シミュレーションで分類性能を評価するとともに，ソフトウェア無線機ADALM-PLUTOを使用して，実信号を使用した分類の実験結果についても述べる． |
| （英） | In recent years, deep learning has been applied and put to practical use in various fields. Application to wireless communication systems is also being studied but the problem that it cannot be tried immediately because of the need for specialized knowledge and labor and few examples of handling time-series data. Therefore, this paper describes an example of application to a wireless communication system using the workflow of deep learning provided by MATLAB®. Specifically, we introduce examples of classifying signal waveforms modulated by various modulation methods using CNN, which is a deep neural network for images. In addition, we evaluate the classification performance by simulation and describe the experimental results of classification using real signals using the software defined radio ADALM-PLUTO. | |
| キーワード | （和） | ソフトウェア無線 / 無線通信 / ディープラーニング / / / / / |
| （英） | Software defined radio / Wireless communication / Deep Learning / / / / / | |
| 文献情報 | 信学技報, vol. 119, no. 448, RCS2019-329, pp. 51-54, 2020年3月. | |
| 資料番号 | RCS2019-329 | |
| 発行日 | 2020-02-26 (RCS, SR, SRW) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | RCS2019-329 SR2019-113 SRW2019-59 |
|
| 研究会情報 | |
| 研究会 | RCS SR SRW |
| 開催期間 | 2020-03-04 - 2020-03-06 |
| 開催地（和） | 東京工業大学 |
| 開催地（英） | Tokyo Institute of Technology |
| テーマ（和） | 移動通信ワークショップ |
| テーマ（英） | Mobile Communication Workshop |
| 講演論文情報の詳細 | |
| 申込み研究会 | RCS |
| 会議コード | 2020-03-RCS-SR-SRW |
| 本文の言語 | 日本語 |
| タイトル（和） | 無線通信向けディープラーニングの活用法 |
| サブタイトル（和） | －CNNを利用した変調方式の分類－ |
| タイトル（英） | Utilizing Deep Learning for Wireless Communications |
| サブタイトル（英） | Modulation Method Classification using CNN |
| キーワード(1)（和/英） | ソフトウェア無線 / Software defined radio |
| キーワード(2)（和/英） | 無線通信 / Wireless communication |
| キーワード(3)（和/英） | ディープラーニング / Deep Learning |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 田中 明美 / Akemi Tanaka / タナカ アケミ |
| 第1著者 所属（和/英） | マスワークス (略称： マスワークス) MathWorks (略称： MathWorks) |
| 第2著者 氏名（和/英/ヨミ） | / / |
| 第2著者 所属（和/英） | (略称： ) (略称： ) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-03-04 12:15:00 |
| 発表時間 | 20分 |
| 申込先研究会 | RCS |
| 資料番号 | RCS2019-329, SR2019-113, SRW2019-59 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.448(RCS), no.449(SR), no.450(SRW) |
| ページ範囲 | pp.51-54(RCS), pp.3-6(SR), pp.3-6(SRW) |
| ページ数 | 4 |
| 発行日 | 2020-02-26 (RCS, SR, SRW) |
[研究会発表申込システムのトップページに戻る]