JP7468643B2 - 信号送信装置、パラメータ決定装置、信号送信方法、パラメータ決定方法、及び、記録媒体 - Google Patents
信号送信装置、パラメータ決定装置、信号送信方法、パラメータ決定方法、及び、記録媒体 Download PDFInfo
- Publication number
- JP7468643B2 JP7468643B2 JP2022530427A JP2022530427A JP7468643B2 JP 7468643 B2 JP7468643 B2 JP 7468643B2 JP 2022530427 A JP2022530427 A JP 2022530427A JP 2022530427 A JP2022530427 A JP 2022530427A JP 7468643 B2 JP7468643 B2 JP 7468643B2
- Authority
- JP
- Japan
- Prior art keywords
- signal
- layers
- parameters
- learning
- computation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 55
- 230000008054 signal transmission Effects 0.000 claims description 110
- 238000013528 artificial neural network Methods 0.000 claims description 106
- 238000003860 storage Methods 0.000 claims description 58
- 238000012545 processing Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 description 38
- 238000004458 analytical method Methods 0.000 description 20
- 238000009826 distribution Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 238000012549 training Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 230000003287 optical effect Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 230000000052 comparative effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 239000000470 constituent Substances 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0254—Channel estimation channel estimation algorithms using neural network algorithms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/02—Transmitters
- H04B1/04—Circuits
- H04B1/0475—Circuits with means for limiting noise, interference or distortion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L25/03165—Arrangements for removing intersymbol interference using neural networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/02—Transmitters
- H04B1/04—Circuits
- H04B2001/0408—Circuits with power amplifiers
- H04B2001/0425—Circuits with power amplifiers with linearisation using predistortion
Landscapes
- Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Networks & Wireless Communication (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Amplifiers (AREA)
- Transmitters (AREA)
Description
前記N種類の学習用信号を用いて、前記L+1個の演算層のうちの前記Q個の演算層以外の他の演算層のパラメータを含む第2のパラメータセットを一つ生成する第2生成工程とを含む。
(1-1)信号送信装置1の構成
はじめに、図1を参照しながら、本実施形態の信号送信装置1について説明する。図1は、本実施形態の信号送信装置1の構成を示すブロック図である。
以上説明したように、本実施形態の信号送信装置1では、第1の中間層112M(2)の及び第2の中間層112M(3)のパラメータは、入力信号xの信号パターンに関わらずに固定されている。このため、信号送信装置1が入力信号xの信号パターンに基づいて切り替えるパラメータは、出力層112Oのパラメータに限定される。つまり、信号送信装置1は、入力信号xの信号パターンに基づいて、ニューラルネットワーク112の全ての層(つまり、出力層112Oに加えて、第1の中間層112M(2)のパラメータ及び第2の中間層112M(3))のパラメータを切り替えなくてもよい。このため、記憶装置13に格納されるN個のパラメータセット131の夫々は、出力層112Oのパラメータをを含んでいれば十分である。つまり、記憶装置13に格納されるN個のパラメータセット131の夫々は、ニューラルネットワーク112の全ての層のパラメータを含んでいなくともよくなる。このため、本実施形態では、N個のパラメータセット131の全てがニューラルネットワーク112の全ての層のパラメータを含む場合と比較して、N個のパラメータセット131を格納するために記憶装置13に必要とされる記憶容量が少なくなる。その結果、記憶装置13の回路規模(つまり、信号送信装置1の回路規模)の増大が抑制される。
上述したニューラルネットワーク112のパラメータは、パラメータ決定装置2によって決定される。つまり、第1の中間層112M(2)のパラメータ、第2の中間層112M(3)のパラメータ、及び、記憶装置13に記憶されているN個のパラメータセット131に含まれる出力層112Oのパラメータは、パラメータ決定装置2によって決定される。この場合、パラメータ決定装置2が学習を担う装置に相当し、学習で得られたパラメータを用いて信号送信装置1(特に、歪み補償装置11)が推論を行っているとも言える。以下、パラメータ決定装置2について更に説明する。
はじめに、図4を参照しながら、本実施形態のパラメータ決定装置2のハードウェア構成について説明する。図4は、本実施形態のパラメータ決定装置2のハードウェア構成を示すブロック図である。
続いて、図5を参照しながら、演算装置21内で実現される機能ブロックについて説明する。図5は、演算装置21内で実現される機能ブロックを示すブロック図である。
続いて、図6を参照しながら、パラメータ決定部214及び215がパラメータを決定する動作の流れについて説明する。図6は、パラメータ決定部214及び215がパラメータを決定する動作の流れを示すフローチャートである。
以上説明したように、本実施形態のパラメータ決定装置2は、第1の種類の信号パターンを有する学習用信号から第Nの種類の信号パターンを有する学習用信号を用いて、N個のパラメータセット131#1から131#pを生成することができる。このため、信号送信装置1は、パラメータ決定装置2が生成したN個のパラメータセット131#1から131#pのうちの入力信号xの信号パターンに応じて選択される一のパラメータセット131に含まれるパラメータを用いて、歪み補償処理を適切に行うことができる。
続いて、信号送信装置1の変形例について説明する。
初めに、図7を参照しながら、第1変形例の信号送信装置1aについて説明する。図7は、第1変形例の信号送信装置1aの構成を示すブロック図である。
続いて、図8を参照しながら、第2変形例の信号送信装置1bについて説明する。図8は、第2変形例の信号送信装置1bの構成を示すブロック図である。
上述した説明では、信号送信装置1は、出力層112Oのパラメータを切り替える一方で、入力層112I及び出力層112O以外のニューラルネットワーク112の他の層(この場合、中間層112M)のパラメータを切り替えていない。しかしながら、信号送信装置1は、ニューラルネットワーク112に含まれるL個の中間層112M及び出力層112Oを含むL+1個の層のうちのQ(但し、Qは1以上且つL以下の整数を示す変数)個の層のパラメータを切り替える一方で、L+1個の層のうちのQ個の層以外の他の層(つまり、L+1-Q個の他の層)のパラメータを切り替えなくてもよい。例えば、信号送信装置1は、出力層112O及び第2の中間層112M(3)のパラメータを切り替える一方で、第1の中間層112M(2)のパラメータを切り替えなくてもよい。例えば、信号送信装置1は、出力層112O及び第1の中間層112M(2)のパラメータを切り替える一方で、第2の中間層112M(3)のパラメータを切り替えなくてもよい。例えば、信号送信装置1は、第1の中間層112M(2)及び第2の中間層112M(3)のパラメータを切り替える一方で、出力層112Oのパラメータを切り替えなくてもよい。例えば、信号送信装置1は、第2の中間層112M(3)のパラメータを切り替える一方で、出力層112O及び第1の中間層112M(2)のパラメータを切り替えてもよい。例えば、信号送信装置1は、第1の中間層112M(2)のパラメータを切り替える一方で、出力層112O及び第2の中間層112M(3)のパラメータを切り替えてもよい。いずれの場合であっても、第1の中間層112M(2)、第2の中間層112M(3)及び出力層112Oの全てのパラメータを切り替える場合と比較して、記憶装置13の回路規模の増大を抑制できることに変わりはない。
以上説明した実施形態に関して、更に以下の付記を開示する。
[付記1]
L(但し、Lは1以上の整数を示す変数)個の中間層及び出力層を含むL+1個の演算層を備えるニューラルネットワークを用いて、入力信号に対して歪み補償処理を行う歪み補償手段と、
前記L+1個の演算層のうちのQ個(但し、QはL以下の整数を示す変数)の演算層のパラメータを含むパラメータセットを複数格納する格納手段と、
前記入力信号の信号パターンに基づいて前記複数のパラメータセットから一のパラメータセットを選択し、当該選択した一のパラメータセットに含まれる前記パラメータを前記M個の演算層に適用する適用手段と
を備え、
前記L+1個の演算層のうちの前記Q個の演算層以外の他の演算層のパラメータは、固定されている
信号送信装置。
[付記2]
前記Q個の演算層は、前記出力層を含む
付記1に記載の信号送信装置。
[付記3]
前記変数Qは、1であり、
前記L個の中間層のパラメータは、固定されている
付記2に記載の信号送信装置。
[付記4]
前記複数のパラメータセットの夫々は、夫々のパラメータセットに対応する一の信号パターンを有する前記入力信号に対して前記歪み補償処理を行う際に前記M個の演算層に適用されるべきパラメータを含む
付記1から3のいずれか一項に記載の信号送信装置。
[付記5]
前記入力信号の信号パターンを特定する特定手段を備え、
前記適用手段は、前記特定手段の特定結果に基づいて、前記一のパラメータセットを選択する
付記1から4のいずれか一項に記載の信号送信装置。
[付記6]
前記特定手段は、前記入力信号の電力特性に基づいて、前記入力信号の信号パターンを特定する
付記5に記載の信号送信装置。
[付記7]
前記電力特性は、前記入力信号の平均電力及び電力分布の少なくとも一方を含む
付記6に記載の信号送信装置。
[付記8]
L(但し、Lは1以上の整数を示す変数)個の中間層及び出力層を含むL+1個の演算層を備えるニューラルネットワークのパラメータを、複数の学習用信号を用いて決定するパラメータ決定装置であって、
前記複数の学習用信号の夫々の信号パターンを、N種類の信号パターンに分類する分類手段と、
前記N種類の信号パターンに夫々分類されたN種類の前記学習用信号を夫々用いて、前記L+1個の演算層のうちのQ個(但し、QはL以下の整数を示す変数)の演算層のパラメータを含む第1のパラメータセットをN個生成する第1生成手段と、
前記N種類の学習用信号を用いて、前記L+1個の演算層のうちの前記Q個の演算層以外の他の演算層のパラメータを含む第2のパラメータセットを一つ生成する第2生成手段と
を備えるパラメータ決定装置。
[付記9]
前記第1生成手段は、一の種類の信号パターンに分類された前記学習用信号を用いて前記M個の演算層のパラメータを学習する学習動作を、前記学習動作に用いる前記学習用信号の前記信号パターンの種類を変更しながらN回繰り返すことで、前記第1のパラメータセットをN個生成する
付記8に記載のパラメータ決定装置。
[付記10]
前記第1生成手段は、対応する一の種類の信号パターンに分類された前記学習用信号を用いて前記第1のパラメータセットを生成するパラメータ生成手段をN個含む
付記8又は9に記載のパラメータ決定装置。
[付記11]
前記第2生成手段は、前記N種類の信号パターンに夫々分類された前記N種類の学習用信号を順に用いて前記他の演算層のパラメータを学習する動作を繰り返すことで、前記第2のパラメータセットを生成する
付記8から10のいずれか一項に記載のパラメータ決定装置。
[付記12]
前記Q個の演算層は、前記出力層を含む
付記8から11のいずれか一項に記載のパラメータ決定装置。
[付記13]
前記変数Qは、1である
付記12に記載のパラメータ決定装置。
[付記14]
前記分類手段は、前記学習用信号の電力特性に基づいて、前記学習用信号の信号パターンを分類する
付記8から13のいずれか一項からに記載のパラメータ決定装置。
[付記15]
前記電力特性は、前記学習用信号の平均電力及び電力分布の少なくとも一方を含む
付記14に記載のパラメータ決定装置。
[付記16]
L(但し、Lは1以上の整数を示す変数)個の中間層及び出力層を含むL+1個の演算層を備えるニューラルネットワークを用いて、入力信号に対して歪み補償処理を行う歪み補償工程と、
前記L+1個の演算層のうちのQ個(但し、QはL以下の整数を示す変数)の演算層のパラメータを含むパラメータセットを複数格納する格納手段から、前記入力信号の信号パターンに基づいて一のパラメータセットを選択し、当該選択した一のパラメータセットに含まれる前記パラメータを前記M個の演算層に適用する適用工程と
を含み、
前記L+1個の演算層のうちの前記Q個の演算層以外の他の演算層のパラメータは、固定されている
信号送信方法。
[付記17]
L(但し、Lは1以上の整数を示す変数)個の中間層及び出力層を含むL+1個の演算層を備えるニューラルネットワークのパラメータを、複数の学習用信号を用いて決定するパラメータ決定方法であって、
前記複数の学習用信号の夫々の信号パターンを、N種類の信号パターンに分類する分類工程と、
前記N種類の信号パターンに夫々分類されたN種類の前記学習用信号を夫々用いて、前記L+1個の演算層のうちのQ個(但し、QはL以下の整数を示す変数)の演算層のパラメータを含む第1のパラメータセットをN個生成する第1生成工程と、
前記N種類の学習用信号を用いて、前記L+1個の演算層のうちの前記Q個の演算層以外の他の演算層のパラメータを含む第2のパラメータセットを一つ生成する第2生成工程と
を含むパラメータ決定方法。
[付記18]
コンピュータに信号送信方法を実行させるコンピュータプログラムが記録された記録媒体であって、
前記信号送信方法は、
L(但し、Lは1以上の整数を示す変数)個の中間層及び出力層を含むL+1個の演算層を備えるニューラルネットワークを用いて、入力信号に対して歪み補償処理を行う歪み補償工程と、
前記L+1個の演算層のうちのQ個(但し、QはL以下の整数を示す変数)の演算層のパラメータを含むパラメータセットを複数格納する格納手段から、前記入力信号の信号パターンに基づいて一のパラメータセットを選択し、当該選択した一のパラメータセットに含まれる前記パラメータを前記M個の演算層に適用する適用工程と
を含み、
前記L+1個の演算層のうちの前記Q個の演算層以外の他の演算層のパラメータは、固定されている
記録媒体。
[付記19]
コンピュータにパラメータ決定方法を実行させるコンピュータプログラムが記録された記録媒体であって、
前記パラメータ決定方法は、
L(但し、Lは1以上の整数を示す変数)個の中間層及び出力層を含むL+1個の演算層を備えるニューラルネットワークのパラメータを、複数の学習用信号を用いて決定するパラメータ決定方法であって、
前記複数の学習用信号の夫々の信号パターンを、N種類の信号パターンに分類する分類工程と、
前記N種類の信号パターンに夫々分類されたN種類の前記学習用信号を夫々用いて、前記L+1個の演算層のうちのQ個(但し、QはL以下の整数を示す変数)の演算層のパラメータを含む第1のパラメータセットをN個生成する第1生成工程と、
前記N種類の学習用信号を用いて、前記L+1個の演算層のうちの前記Q個の演算層以外の他の演算層のパラメータを含む第2のパラメータセットを一つ生成する第2生成工程と
を含む記録媒体。
11 歪み補償装置
112 ニューラルネットワーク
13 記憶装置
131 パラメータセット
14 演算装置
141 信号解析部
142 切替制御部
143 切替出力部
2 パラメータ決定装置
21 演算装置
211 信号解析部
212 振り分け制御部
213 信号振り分け部
214、215 パラメータ決定部
Claims (10)
- L(但し、Lは1以上の整数を示す変数)個の中間層及び出力層を含むL+1個の演算層を備えるニューラルネットワークを用いて、入力信号に対して歪み補償処理を行う歪み補償手段と、
前記L+1個の演算層のうちのQ個(但し、QはL以下の整数を示す変数)の演算層のパラメータを含むパラメータセットを複数格納する格納手段と、
前記入力信号の信号パターンに基づいて前記複数のパラメータセットから一のパラメータセットを選択し、当該選択した一のパラメータセットに含まれる前記パラメータを前記Q個の演算層に適用する適用手段と
を備え、
前記L+1個の演算層のうちの前記Q個の演算層以外の他の演算層のパラメータは、固定されている
信号送信装置。 - 前記Q個の演算層は、前記出力層を含む
請求項1に記載の信号送信装置。 - 前記入力信号の信号パターンを特定する特定手段を備え、
前記適用手段は、前記特定手段の特定結果に基づいて、前記一のパラメータセットを選択する
請求項1又は2に記載の信号送信装置。 - L(但し、Lは1以上の整数を示す変数)個の中間層及び出力層を含むL+1個の演算層を備えるニューラルネットワークのパラメータを、複数の学習用信号を用いて決定するパラメータ決定装置であって、
前記複数の学習用信号の夫々の信号パターンを、N種類の信号パターンに分類する分類手段と、
前記N種類の信号パターンに夫々分類されたN種類の前記学習用信号を夫々用いて、前記L+1個の演算層のうちのQ個(但し、QはL以下の整数を示す変数)の演算層のパラメータを含む第1のパラメータセットをN個生成する第1生成手段と、
前記N種類の学習用信号を用いて、前記L+1個の演算層のうちの前記Q個の演算層以外の他の演算層のパラメータを含む第2のパラメータセットを一つ生成する第2生成手段と
を備えるパラメータ決定装置。 - 前記第1生成手段は、一の種類の信号パターンに分類された前記学習用信号を用いて前記Q個の演算層のパラメータを学習する学習動作を、前記学習動作に用いる前記学習用信号の前記信号パターンの種類を変更しながらN回繰り返すことで、前記第1のパラメータセットをN個生成する
請求項4に記載のパラメータ決定装置。 - 前記第2生成手段は、前記N種類の信号パターンに夫々分類された前記N種類の学習用信号を順に用いて前記他の演算層のパラメータを学習する動作を繰り返すことで、前記第2のパラメータセットを生成する
請求項4又は5に記載のパラメータ決定装置。 - L(但し、Lは1以上の整数を示す変数)個の中間層及び出力層を含むL+1個の演算層を備えるニューラルネットワークを用いて、入力信号に対して歪み補償処理を行う歪み補償工程と、
前記L+1個の演算層のうちのQ個(但し、QはL以下の整数を示す変数)の演算層のパラメータを含むパラメータセットを複数格納する格納手段から、前記入力信号の信号パターンに基づいて一のパラメータセットを選択し、当該選択した一のパラメータセットに含まれる前記パラメータを前記Q個の演算層に適用する適用工程と
を含み、
前記L+1個の演算層のうちの前記Q個の演算層以外の他の演算層のパラメータは、固定されている
信号送信方法。 - L(但し、Lは1以上の整数を示す変数)個の中間層及び出力層を含むL+1個の演算層を備えるニューラルネットワークのパラメータを、複数の学習用信号を用いて決定するパラメータ決定方法であって、
前記複数の学習用信号の夫々の信号パターンを、N種類の信号パターンに分類する分類工程と、
前記N種類の信号パターンに夫々分類されたN種類の前記学習用信号を夫々用いて、前記L+1個の演算層のうちのQ個(但し、QはL以下の整数を示す変数)の演算層のパラメータを含む第1のパラメータセットをN個生成する第1生成工程と、
前記N種類の学習用信号を用いて、前記L+1個の演算層のうちの前記Q個の演算層以外の他の演算層のパラメータを含む第2のパラメータセットを一つ生成する第2生成工程と
を含むパラメータ決定方法。 - コンピュータに信号送信方法を実行させるコンピュータプログラムであって、
前記信号送信方法は、
L(但し、Lは1以上の整数を示す変数)個の中間層及び出力層を含むL+1個の演算層を備えるニューラルネットワークを用いて、入力信号に対して歪み補償処理を行う歪み補償工程と、
前記L+1個の演算層のうちのQ個(但し、QはL以下の整数を示す変数)の演算層のパラメータを含むパラメータセットを複数格納する格納手段から、前記入力信号の信号パターンに基づいて一のパラメータセットを選択し、当該選択した一のパラメータセットに含まれる前記パラメータを前記Q個の演算層に適用する適用工程と
を含み、
前記L+1個の演算層のうちの前記Q個の演算層以外の他の演算層のパラメータは、固定されている
コンピュータプログラム。 - コンピュータにパラメータ決定方法を実行させるコンピュータプログラムであって、
前記パラメータ決定方法は、
L(但し、Lは1以上の整数を示す変数)個の中間層及び出力層を含むL+1個の演算層を備えるニューラルネットワークのパラメータを、複数の学習用信号を用いて決定するパラメータ決定方法であって、
前記複数の学習用信号の夫々の信号パターンを、N種類の信号パターンに分類する分類工程と、
前記N種類の信号パターンに夫々分類されたN種類の前記学習用信号を夫々用いて、前記L+1個の演算層のうちのQ個(但し、QはL以下の整数を示す変数)の演算層のパラメータを含む第1のパラメータセットをN個生成する第1生成工程と、
前記N種類の学習用信号を用いて、前記L+1個の演算層のうちの前記Q個の演算層以外の他の演算層のパラメータを含む第2のパラメータセットを一つ生成する第2生成工程と
を含むコンピュータプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/022847 WO2021250813A1 (ja) | 2020-06-10 | 2020-06-10 | 信号送信装置、パラメータ決定装置、信号送信方法、パラメータ決定方法、及び、記録媒体 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021250813A1 JPWO2021250813A1 (ja) | 2021-12-16 |
JPWO2021250813A5 JPWO2021250813A5 (ja) | 2023-03-22 |
JP7468643B2 true JP7468643B2 (ja) | 2024-04-16 |
Family
ID=78845582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022530427A Active JP7468643B2 (ja) | 2020-06-10 | 2020-06-10 | 信号送信装置、パラメータ決定装置、信号送信方法、パラメータ決定方法、及び、記録媒体 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230275788A1 (ja) |
JP (1) | JP7468643B2 (ja) |
WO (1) | WO2021250813A1 (ja) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1177449C (zh) * | 2002-04-23 | 2004-11-24 | 华为技术有限公司 | 基于基带数字预失真技术的提高射频功率放大器效率的方法 |
EP2293435A1 (en) * | 2009-08-24 | 2011-03-09 | Alcatel Lucent | Power amplifier, base station and method for power amplification of an RF signal in a communication network |
US8976893B2 (en) * | 2012-06-25 | 2015-03-10 | Telefonaktiebolaget L M Ericsson (Publ) | Predistortion according to an artificial neural network (ANN)-based model |
US10985951B2 (en) * | 2019-03-15 | 2021-04-20 | The Research Foundation for the State University | Integrating Volterra series model and deep neural networks to equalize nonlinear power amplifiers |
US11960990B2 (en) * | 2020-07-31 | 2024-04-16 | Nanosemi, Inc. | Artificial neural network implementations |
US11706104B2 (en) * | 2021-06-15 | 2023-07-18 | Cisco Technology, Inc. | Inferring quality of experience (QoE) based on choice of QoE inference model |
-
2020
- 2020-06-10 JP JP2022530427A patent/JP7468643B2/ja active Active
- 2020-06-10 US US18/009,090 patent/US20230275788A1/en active Pending
- 2020-06-10 WO PCT/JP2020/022847 patent/WO2021250813A1/ja active Application Filing
Non-Patent Citations (2)
Title |
---|
KIM, J et al.,Digital predistortion of wideband signals based on power amplifier model with memory,Electronics Letters,Volume 37, Issue: 23,IET [online],2001年11月08日,pp.1417-1418,Retrieved from the Internet: <URL: https://ieeexplore.ieee.org/document/966559> |
YU, Zhijian,A Generalized Digital Predistortion Model Based on Artificial Neural Networks,Proceedings of 2018 Asia-Pacific Microwave Conference,IEEE [online],2018年11月06日,pp.935-937,Retrieved from the Internet: <URL: https//ieeexplore.ieee.org/document/8617423> |
Also Published As
Publication number | Publication date |
---|---|
US20230275788A1 (en) | 2023-08-31 |
JPWO2021250813A1 (ja) | 2021-12-16 |
WO2021250813A1 (ja) | 2021-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11640522B2 (en) | Computational efficiency improvements for artificial neural networks | |
EP2254239B1 (en) | Predistorter, predistortion method, and predistortion system | |
US7535956B2 (en) | Adaptive equalizer circuit | |
CN113809992A (zh) | 用于功率放大器的基于机器学习的数字预失真 | |
JP5751056B2 (ja) | 歪補償装置、送信機および歪補償方法 | |
US20230111317A1 (en) | Systems and methods for efficiently-transformed digital self-interference cancellation | |
JP7468643B2 (ja) | 信号送信装置、パラメータ決定装置、信号送信方法、パラメータ決定方法、及び、記録媒体 | |
Fateh et al. | Mean square convergence of reproducing kernel for channel identification: Application to Bran D Channel impulse response | |
JP2013501982A (ja) | シミュレーション装置およびシミュレーション方法 | |
Vázquez et al. | A comparative survey of convex combination of adaptive filters | |
JP7400824B2 (ja) | パラメータ決定装置、信号送信装置、パラメータ決定方法、信号送信方法、及び、記録媒体 | |
Chang et al. | Correction-based diffusion LMS algorithms for distributed estimation | |
Arif et al. | Diffusion quantum-least mean square algorithm with steady-state analysis | |
CN106105032B (zh) | 用于自适应滤波器的系统和方法 | |
US20220085837A1 (en) | Parameter determination apparatus, signal transmission apparatus, parameter determination method, signal transmission method and program recording medium | |
CN113812124B (zh) | 预失真参数更新装置及方法、预失真处理系统 | |
EP4134882A1 (en) | Information processing system, information processing device, information processing method, and information processing program | |
JP2022050316A (ja) | パラメータ決定装置、信号送信装置、パラメータ決定方法、信号送信方法、及び、コンピュータプログラム | |
Zhang et al. | Low-Complexity l 0-Norm Penalized Shrinkage Linear and Widely Linear Affine Projection Algorithms | |
JP6877662B2 (ja) | 人工ニューラルネットワーク学習装置、歪み補償回路及び信号処理装置 | |
WO2024066098A1 (en) | Methods and apparatuses for perfoming digital predistortion using a combintion model | |
Zhao et al. | Volterra adaptive filter | |
JPH03116301A (ja) | 適応装置 | |
JP7420210B2 (ja) | 通信システム、送信装置、受信装置、行列生成装置、通信方法、送信方法、受信方法、行列生成方法、及び、記録媒体 | |
CN117200906B (zh) | 基于深度学习的射频通道校准方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221208 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221208 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240109 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240125 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240305 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240318 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7468643 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |