| 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 | 2022-01-20 14:05 マルチタスク学習を用いたSNR推定に基づく自動変調分類 ○町田 航・杉浦陽介・安井希子・島村徹也（埼玉大）  IT2021-56 SIP2021-64 RCS2021-224 |
|
| 抄録 | （和） | 自動変調分類は受信信号に用いられた変調方式を識別する技術であり，無線通信において重要な役割を担う．本研究は，I/Q サンプルおよびA/P サンプルの二つの入力形式を用いたマルチタスク学習方式の自動変調分類手法の精度向上を目的とする．従来のモデルをもとに，SNR 推定問題を補助問題に設定し，Attention 機構を組み込んだ新しいモデルを提案する．評価実験の結果から，提案手法が従来法の精度を向上できることを確認する． |
| （英） | Automatic modulation classification is a technology that identifies the modulation type used in received signals and plays an important role in wireless communication. The purpose of this study is to improve the accuracy of the automatic modulation classification model by using multi-task learning architecture with two input formats, which are I/Q sample and A/P sample. Based on the conventional model, we propose a new model solving an auxiliary task of SNR estimation and incorporating an Attention mechanism. From the results of the evaluation experiment, we confirm that the proposed method can improve the accuracy of the automatic modulation classification. | |
| キーワード | （和） | 自動変調分類 / マルチタスク学習 / SNR推定 / Attention機構 / / / / |
| （英） | Automatic modulation classification / Multi-task learning / SNR estimation / Attention Mechanism / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 329, RCS2021-224, pp. 155-160, 2022年1月. | |
| 資料番号 | RCS2021-224 | |
| 発行日 | 2022-01-13 (IT, SIP, RCS) | |
| 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 | IT2021-56 SIP2021-64 RCS2021-224 |
|
| 研究会情報 | |
| 研究会 | RCS SIP IT |
| 開催期間 | 2022-01-20 - 2022-01-21 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 無線通信のための信号処理，学習，数理，情報理論および一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | RCS |
| 会議コード | 2022-01-RCS-SIP-IT |
| 本文の言語 | 日本語 |
| タイトル（和） | マルチタスク学習を用いたSNR推定に基づく自動変調分類 |
| サブタイトル（和） | |
| タイトル（英） | Automatic Modulation Classification Based on SNR estimation using Multi-Task Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 自動変調分類 / Automatic modulation classification |
| キーワード(2)（和/英） | マルチタスク学習 / Multi-task learning |
| キーワード(3)（和/英） | SNR推定 / SNR estimation |
| キーワード(4)（和/英） | Attention機構 / Attention Mechanism |
| 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） | 町田 航 / Wataru Machida / マチダ ワタル |
| 第1著者 所属（和/英） | 埼玉大学 (略称： 埼玉大) Saitama University (略称： Saitama Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 杉浦 陽介 / Yosuke Sugiura / スギウラ ヨウスケ |
| 第2著者 所属（和/英） | 埼玉大学 (略称： 埼玉大) Saitama University (略称： Saitama Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 安井 希子 / Nozomiko Yasui / ヤスイ ノゾミコ |
| 第3著者 所属（和/英） | 埼玉大学 (略称： 埼玉大) Saitama University (略称： Saitama Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 島村 徹也 / Tetsuya Shimamura / シマムラ テツヤ |
| 第4著者 所属（和/英） | 埼玉大学 (略称： 埼玉大) Saitama University (略称： Saitama Univ.) |
| 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 | 2022-01-20 14:05:00 |
| 発表時間 | 25分 |
| 申込先研究会 | RCS |
| 資料番号 | IT2021-56, SIP2021-64, RCS2021-224 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.327(IT), no.328(SIP), no.329(RCS) |
| ページ範囲 | pp.155-160 |
| ページ数 | 6 |
| 発行日 | 2022-01-13 (IT, SIP, RCS) |
[研究会発表申込システムのトップページに戻る]