| 講演抄録／キーワード |
| 講演名 |
2021-09-03 13:35
Convolutional Radio Modulation Recognition Networks with Attention Models in Wireless Systems
○Haohui Jia・Na Chen・Minoru Okada（NAIST） |
| 抄録 |
（和） |
(まだ登録されていません) |
| （英） |
In modern wireless systems, deep learning (DL) shows promising performance for wireless signal processing. DL model driven communication system is able to recognize the class of modulation signals as a DL training process, such as convolutional neural network (CNN), without any expert knowledge of underlying channel models. However, the performance of radio recognition based on CNN architecture is sensitive, unreliable and slow training convergence due to the noise interference. In this paper, we introduce a learned attention model into the radio domain for modulation recognition by employing the transformer networks and CNN-based pretreatment to extract the premier feature as input of transformer networks. This attention model allows the network to focus on the characteristics of the radio signal itself without expert knowledge of the signal structure for classification. Using this architecture, we develop a highly reliable modulation recognition under the low signal to noise ratio (SNR) over the wireless communication system. |
| キーワード |
（和） |
/ / / / / / / |
| （英） |
Wireless Communication / Deep Learning / Convolutional Neural Network / Self-attention / Transformer / / / |
| 文献情報 |
映情学技報, vol. 45, no. 24, BCT2021-35, pp. 1-4, 2021年9月. |
| 資料番号 |
BCT2021-35 |
| 発行日 |
2021-08-27 (BCT) |
| ISSN |
Print edition: ISSN 1342-6893 Online edition: ISSN 2424-1970 |
| PDFダウンロード |
|
| 研究会情報 |
| 研究会 |
BCT IEEE-BT |
| 開催期間 |
2021-09-03 - 2021-09-03 |
| 開催地（和） |
オンライン開催 |
| 開催地（英） |
Online |
| テーマ（和） |
移動送受信技術，および一般 |
| テーマ（英） |
Mobile systems, etc |
| 講演論文情報の詳細 |
| 申込み研究会 |
BCT |
| 会議コード |
2021-09-BCT-BT |
| 本文の言語 |
英語 |
| タイトル（和） |
|
| サブタイトル（和） |
|
| タイトル（英） |
Convolutional Radio Modulation Recognition Networks with Attention Models in Wireless Systems |
| サブタイトル（英） |
|
| キーワード(1)（和/英） |
/ Wireless Communication |
| キーワード(2)（和/英） |
/ Deep Learning |
| キーワード(3)（和/英） |
/ Convolutional Neural Network |
| キーワード(4)（和/英） |
/ Self-attention |
| キーワード(5)（和/英） |
/ Transformer |
| 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） |
賈 昊暉 / Haohui Jia / カ コウキ |
| 第1著者 所属（和/英） |
奈良先端科学技術大学院大学 (略称： 奈良先端大)
Nara Institute of Science and Technology (略称： NAIST) |
| 第2著者 氏名（和/英/ヨミ） |
陳 娜 / Na Chen / チェン ナ |
| 第2著者 所属（和/英） |
奈良先端科学技術大学院大学 (略称： 奈良先端大)
Nara Institute of Science and Technology (略称： NAIST) |
| 第3著者 氏名（和/英/ヨミ） |
岡田 実 / Minoru Okada / オカダ ミノル |
| 第3著者 所属（和/英） |
奈良先端科学技術大学院大学 (略称： 奈良先端大)
Nara Institute of Science and Technology (略称： NAIST) |
| 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： ) |
| 第19著者 氏名（和/英/ヨミ） |
/ / |
| 第19著者 所属（和/英） |
(略称： )
(略称： ) |
| 第20著者 氏名（和/英/ヨミ） |
/ / |
| 第20著者 所属（和/英） |
(略称： )
(略称： ) |
| 講演者 |
第1著者 |
| 発表日時 |
2021-09-03 13:35:00 |
| 発表時間 |
20分 |
| 申込先研究会 |
BCT |
| 資料番号 |
BCT2021-35 |
| 巻番号（vol） |
vol.45 |
| 号番号（no） |
no.24 |
| ページ範囲 |
pp.1-4 |
| ページ数 |
4 |
| 発行日 |
2021-08-27 (BCT) |
|