权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

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

基于深度学习的 OFDM 信号 PAPR 和 OOBE 抑制方法研究

基本信息

批准号：
22K04106
负责人：
太田正哉
金额：
$ 2.41万
依托单位：
Osaka Metropolitan University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2026-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K04106/
关键词：
OFDM PAPR OOBE Deep Learning FPGA 深層学習

项目摘要

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．

This year's plan is to conduct in-depth study on the relationship between the number of layers, the number of inputs, the number of outputs, etc., and the performance of high-performance computers. Required performance is considered CPU,GPU and other elements are selected, purchase is scheduled, calculation is scheduled, adjustment is difficult, end of year is scheduled, adjustment is scheduled. In recent years, python deep learning is open to the public. The project uses MATLAB to determine the conditions described above. The project uses MATLAB to adjust the environment. Now deep learning in the case study, the first research, the implementation of python software, the implementation of performance evaluation in the environment. As a result, QPSK modulation has a high performance and 16QAM modulation has a high error rate. Deep learning is generally used when receiving signals and decoding output. In this study, the performance of error rate in 16QAM is improved, and the usefulness of data in this study is improved. This result is in preparation for submission.