講演抄録/キーワード |
講演名 |
2018-05-24 15:05
5G移動通信における機械学習を用いたプロアクティブビームフォーミング制御についての一検討 ○瀬山崇志・大山哲平・伊達木 隆(富士通研) SR2018-7 |
抄録 |
(和) |
第5世代移動通信システム(5G)では,4Gよりも高い周波数帯の利用に伴うパスロスの増加を補償するために,ビームフォーミング技術の適用が検討されている.高周波数帯のビームフォーミングではビルや標識,人体等の遮蔽により受信電力が大きく低下するという課題がある.本稿では,UE移動時に発生する静的な物体による遮蔽対策として,機械学習技術を用いて受信電力の変化を予測し,予測結果に基づいてビームフォーミングをプロアクティブに制御する方式を提案する.基礎検討として,UEからフィードバックされたビームインデックスと受信電力の組み合わせの時系列データを入力とするニューラルネットワークを用いた受信電力低下イベントの予測手法について検討する.計算機シミュレーションにより発生させた訓練データを用いて予測モデルを訓練し,成功率,検出見逃し率およびFalse alarm率を評価する. |
(英) |
In fifth generation mobile communication systems, beam forming have been studied in order to compensate increase of pathloss at higher frequency than 4G. In beam forming at high frequency, the received power will degrade when UE moves behind buildings or traffic signs or a human bodies. In this paper, we proposed a proactive beam forming control on the basis of prediction of received power change using machine learning techniques to mitigate blockage effect by static objects when UE moves. As a preliminary study, we study prediction of the received power degradation event by means of neural network whose inputs are time series data of beam index and received power fed back by UE. We train the prediction model using training data generated by computer simulations and evaluate the success rate, the miss detection rate and the false alarm rate. |
キーワード |
(和) |
5G / ビームフォーミング / プロアクティブ制御 / 機械学習 / ニューラルネットワーク / / / |
(英) |
5G / Beam forming / Proactive beam forming control / Machine Learning / Neural Network / / / |
文献情報 |
信学技報, vol. 118, no. 57, SR2018-7, pp. 43-48, 2018年5月. |
資料番号 |
SR2018-7 |
発行日 |
2018-05-17 (SR) |
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 |
SR2018-7 |
研究会情報 |
研究会 |
SR |
開催期間 |
2018-05-24 - 2018-05-25 |
開催地(和) |
東京ビッグサイト(ワイヤレステクノロジー・パーク(WTP)2018会場内) |
開催地(英) |
Tokyo big sight |
テーマ(和) |
技術展示、機械学習、AI、一般 |
テーマ(英) |
Technical Exhibition, Machine Learning, AI |
講演論文情報の詳細 |
申込み研究会 |
SR |
会議コード |
2018-05-SR |
本文の言語 |
日本語 |
タイトル(和) |
5G移動通信における機械学習を用いたプロアクティブビームフォーミング制御についての一検討 |
サブタイトル(和) |
|
タイトル(英) |
A Study of Proactive Beam Forming Control using Machine Learning for 5G Mobile Communication System |
サブタイトル(英) |
|
キーワード(1)(和/英) |
5G / 5G |
キーワード(2)(和/英) |
ビームフォーミング / Beam forming |
キーワード(3)(和/英) |
プロアクティブ制御 / Proactive beam forming control |
キーワード(4)(和/英) |
機械学習 / Machine Learning |
キーワード(5)(和/英) |
ニューラルネットワーク / Neural Network |
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) |
瀬山 崇志 / Takashi Seyama / セヤマ タカシ |
第1著者 所属(和/英) |
富士通研究所 (略称: 富士通研)
FUJITSU LABORATORIES LTD. (略称: Fujitsu Lab.) |
第2著者 氏名(和/英/ヨミ) |
大山 哲平 / Teppei Oyama / オヤマ テッペイ |
第2著者 所属(和/英) |
富士通研究所 (略称: 富士通研)
FUJITSU LABORATORIES LTD. (略称: Fujitsu Lab.) |
第3著者 氏名(和/英/ヨミ) |
伊達木 隆 / Takashi Dateki / ダテキ タカシ |
第3著者 所属(和/英) |
富士通研究所 (略称: 富士通研)
FUJITSU LABORATORIES LTD. (略称: Fujitsu Lab.) |
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 |
2018-05-24 15:05:00 |
発表時間 |
25分 |
申込先研究会 |
SR |
資料番号 |
SR2018-7 |
巻番号(vol) |
vol.118 |
号番号(no) |
no.57 |
ページ範囲 |
pp.43-48 |
ページ数 |
6 |
発行日 |
2018-05-17 (SR) |