| 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 | 2019-01-24 14:55 深層学習を用いた到来角推定のMUSIC法との比較 ～ アンテナ素子間結合の推定精度への影響 ～ ○山崎豊栄（NECプラットフォームズ）・大辻太一（NEC）  SR2018-104 |
|
| 抄録 | （和） | 電波の到来方向推定は、無線送信端末の位置推定等に応用される技術であり、その代表的な方法として2台の電波センサでそれぞれ推定した電波の到来角（Angle of arrival; AOA）から、その交点を求める方法がある。本報告では、AOA法に対して深層学習を適用し、Multiple Signal Classification（MUSIC）法との性能比較を行う。MUSIC法と同様に深層学習でも複数の異なる方向から到来する信号を分離する必要がある。報告では、学習データの到来波数と推定データの到来波数を変化させた場合についての検討結果を示す。また、理想的なアレイアンテナ特性はアンテナ素子の幾何学的配置で決まるが、実際的なアレイアンテナ特性は、アンテナ素子間の結合等の影響を受ける。本報告ではアンテナ素子間結合の特性を近似し、到来角推定精度への影響の検討結果を示す。これらの検討より、深層学習の推定性能がMUSIC法より優れていることを明らかにした。 |
| （英） | Direction of arrival estimation techniques are used for radio localization of radio transmitters. As a representative localization method, there is a method of obtaining the intersection point from the angle of arrival (AOA) of the radio wave estimated by each of the two radio sensors. In this report, we compare a deep-learning based AOA estimation method and multiple signal classification (MUSIC) method. As is the case with MUSIC method, the deep-learning based method requires to separate multiple and different angle of arrival signals. This report shows the results of study on the case of changing the number of incident signals of learning data and that of estimating data. The theoretical characteristics of array antenna depend on the geometric arrangement of the antenna elements. However, the practical characteristics are affected by antenna element coupling and the other non-ideal phenomena. We show approximation formulae of the characteristics of antenna element coupling, and the effects on the AOA estimation results. These studies clarified that the performance of the deep-learning based AOA estimation method is better than that of MUSIC method. | |
| キーワード | （和） | 電波監視 / 到来角推定 / 深層学習 / MUSIC / / / / |
| （英） | AOA / DOA / Deep Learning / MUSIC / / / / | |
| 文献情報 | 信学技報, vol. 118, no. 421, SR2018-104, pp. 49-56, 2019年1月. | |
| 資料番号 | SR2018-104 | |
| 発行日 | 2019-01-17 (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 | SR2018-104 |
|
| 研究会情報 | |
| 研究会 | SR |
| 開催期間 | 2019-01-24 - 2019-01-25 |
| 開催地（和） | コラッセふくしま（福島県福島市） |
| 開催地（英） | Corasse, Fukushima city (Fukushima prefecture) |
| テーマ（和） | コグニティブ無線，機械学習応用，異種無線融合型ネットワーク，SDN，IoT，一般 |
| テーマ（英） | cognitive radio, machine learning application, heterogeneous network, SDN, IoT etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SR |
| 会議コード | 2019-01-SR |
| 本文の言語 | 日本語 |
| タイトル（和） | 深層学習を用いた到来角推定のMUSIC法との比較 |
| サブタイトル（和） | アンテナ素子間結合の推定精度への影響 |
| タイトル（英） | Accuracy Comparisons between Deep-Learning Based Angle of Arrival Estimation and MUSIC method |
| サブタイトル（英） | Impact to Estimation Accuracy of Antenna Element Coupling |
| キーワード(1)（和/英） | 電波監視 / AOA |
| キーワード(2)（和/英） | 到来角推定 / DOA |
| キーワード(3)（和/英） | 深層学習 / Deep Learning |
| キーワード(4)（和/英） | MUSIC / MUSIC |
| 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） | 山崎 豊栄 / Toyosaka Yamasaki / ヤマサキ トヨサカ |
| 第1著者 所属（和/英） | NECプラットフォームズ (略称： NECプラットフォームズ) NEC Platforms, Ltd (略称： NECPF) |
| 第2著者 氏名（和/英/ヨミ） | 大辻 太一 / Taichi Ohtsuji / オオツジ タイチ |
| 第2著者 所属（和/英） | 日本電気株式会社 (略称： NEC) NEC Corporation (略称： NEC) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-01-24 14:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SR |
| 資料番号 | SR2018-104 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | no.421 |
| ページ範囲 | pp.49-56 |
| ページ数 | 8 |
| 発行日 | 2019-01-17 (SR) |
[研究会発表申込システムのトップページに戻る]