| 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 | 2020-12-15 10:20 CPなしOFDMにおける既知トレーニング信号が不要なニューラルネット等化器 ○井坂 開・宮嶋照行・杉谷栄規（茨城大）  WBS2020-23 ITS2020-19 RCC2020-26 |
|
| 抄録 | （和） | 本稿では，CPなしOFDMにおける既知トレーニング信号が不要なニューラルネットワークを用いた時間領域等化器について提案する．提案等化器は，出力エネルギーが最小となるように学習可能パラメータを調整することで，希望信号成分を保持したまま符号間干渉を抑圧することができる．機械学習に基づく従来手法と異なり，提案等化器は既知のトレーニング信号を用いずにニューラルネットワークを学習するため，CPの挿入や学習における既知信号の送信による周波数利用効率の低下を防ぐ．シミュレーションにより，提案等化器は既知トレーニング信号を用いずに学習が可能であることを示し，他の機械学習に基づく等化器や線形MMSE等化器よりもBER性能が優れることを確認する． |
| （英） | In this paper, we propose a time-domain equalizer using a neural network without known training signals for OFDM systems without CP. By adjusting trainable parameters of the neural network to minimize the output energy, the proposed equalizer can suppress inter-symbol interference while the desired signal component is kept unchanged. Unlike the most existing machine learning-based schemes, the proposed equalizer using no known training signals can prevent frequency efficiency degradation due to the transmission of known training signals and inserting CP. Simulation results show that the proposed equalizer can train successfully without known training signals, and it is superior BER performance to the machine-learning-based previous equalizer and the linear MMSE equalizer. | |
| キーワード | （和） | OFDM / 時間領域等化 / ニューラルネットワーク / / / / / |
| （英） | OFDM / Time-domain equalizer / Neural network / / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 290, WBS2020-23, pp. 85-90, 2020年12月. | |
| 資料番号 | WBS2020-23 | |
| 発行日 | 2020-12-07 (WBS, ITS, RCC) | |
| 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 | WBS2020-23 ITS2020-19 RCC2020-26 |
|
| 研究会情報 | |
| 研究会 | ITS WBS RCC |
| 開催期間 | 2020-12-14 - 2020-12-15 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | ITS通信，高信頼制御通信，レーダ・センシング技術及び一般 |
| テーマ（英） | ITS Communications, Reliable Communication and Control, Radar and Sensing, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | WBS |
| 会議コード | 2020-12-ITS-WBS-RCC |
| 本文の言語 | 日本語 |
| タイトル（和） | CPなしOFDMにおける既知トレーニング信号が不要なニューラルネット等化器 |
| サブタイトル（和） | |
| タイトル（英） | Neural Network Equalizer Without Known Training Signals in OFDM without CP |
| サブタイトル（英） | |
| キーワード(1)（和/英） | OFDM / OFDM |
| キーワード(2)（和/英） | 時間領域等化 / Time-domain equalizer |
| キーワード(3)（和/英） | ニューラルネットワーク / Neural network |
| 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） | 井坂 開 / Kai Isaka / イサカ カイ |
| 第1著者 所属（和/英） | 茨城大学 (略称： 茨城大) Ibaraki University (略称： Ibaraki Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 宮嶋 照行 / Teruyuki Miyajima / ミヤジマ テルユキ |
| 第2著者 所属（和/英） | 茨城大学 (略称： 茨城大) Ibaraki University (略称： Ibaraki Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 杉谷 栄規 / Yoshiki Sugitani / スギタニ ヨシキ |
| 第3著者 所属（和/英） | 茨城大学 (略称： 茨城大) Ibaraki University (略称： Ibaraki Univ.) |
| 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 | 2020-12-15 10:20:00 |
| 発表時間 | 25分 |
| 申込先研究会 | WBS |
| 資料番号 | WBS2020-23, ITS2020-19, RCC2020-26 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.290(WBS), no.291(ITS), no.292(RCC) |
| ページ範囲 | pp.85-90 |
| ページ数 | 6 |
| 発行日 | 2020-12-07 (WBS, ITS, RCC) |
[研究会発表申込システムのトップページに戻る]