深層学習を用いたOFDM信号のPAPRおよびOOBE抑圧法に関する研究

点击翻译按钮获取中文摘要

本年度の計画は，現在考案中の深層学習モデルの層数，ニューロン数，出力関数等，無数のパラメータと性能の関係を，高性能な計算機を購入し，計算機シミュレーションを通して明らかにことであった．必要な性能を考えてCPU,GPUその他諸元を選定したが，購入予定時期に予算に見合う調達が困難となり，年度末にようやく調達することができた．近年pythonによる深層学習モデルの公開が広く一般的となってきており，最新のモデルもほとんどがpythonで公開されている．計画では市販のシミュレーション用専用ソフトウェア（MATLAB）を使用する予定であったが，上述の状況を勘案し，これまでの実験用シミュレーションコードをpythonにより書き換え，これに合わせたシミュレーション環境を整えた．現在考案中の深層学習モデルの元となる先行研究のモデルの実験用pythonコードが公開されたため，今回整えた実験環境により性能評価実験を実施した．実験の結果，QPSK変調では論文通りの性能となったが，16QAM変調の場合誤り率が極めて悪くなることが明らかとなった．これは受信データをモデル（decoder）から出力する際，深層学習で一般的に使用されるonehotベクトルを用いていることが原因と考えられる．本研究で考案中のモデルではonehotベクトルではなく通常のQAMによる複素マッピングを用いるため，16QAMにおいても妥当な誤り率の性能が得られており，この点で考案中モデルの有用性が明らかとなった．本結果は現在論文投稿の準備中である．