講演抄録/キーワード |
講演名 |
2019-06-19 10:30
深層学習を用いたチャネル推定に関する基礎的研究 ○中島亮太・西村寿彦・大鐘武雄・小川恭孝・萩原淳一郎(北大) RCS2019-43 |
抄録 |
(和) |
無線通信において,受信信号から送信信号を推定するには,チャネル推定が不可欠である.現状では Zadoff-Chu 系列など,低振幅かつ自己相関関数がインパルス(周波数領域の電力スペクトル密度が一定値)となる直交パイロット信号を用いて線形演算により推定することが一般的である.しかし,伝送効率の観点からパイロット信号数が制限される場合があり,大規模 MIMO のような場合にはパイロット信号数が不足する恐れがある.そこで,多数生成可能な非直交パイロット信号を用意し,線形演算によるチャネル推定精度の劣化を深層学習により改善できるか検討する.本稿では,非直交系列として Gold 系列を用い,深層学習モデルとして敵対的生成ネットワークを用いてチャネル推定を行った.その結果,チャネル推定精度の劣化をある程度改善できた. |
(英) |
In wireless communication, channel estimation is essential to detect transmitted signals from received signals. At present, the channel estimation is generally performed using a orthogonal pilot sequence such as Zadoff-Chu sequence, which has a constant amplitude and an impulsive autocorrelation function, i.e., a constant power spectral density in the frequency domain. In some cases such as large MIMO systems,
however, the number of pilot signals may be limited to maintain the transmission efficiency, and there may be a shortage of pilot signals. Non-orthogonal pilot sequences can be generated easily without a limitation on the number of sequences although it causes some estimation error. In this paper, we apply deep learning to reduce the estimation error caused by non-orthogonality among the pilots and evaluate how it works. In this paper, numerical evaluation results assuming Gold sequences as a non-orthogonal sequence and generative adversarial networks as a deep learning model show that we can improve the degradation of channel estimation accuracy to some extent. |
キーワード |
(和) |
チャネル推定 / 非直交パイロット / 深層学習 / 敵対的生成ネットワーク / / / / |
(英) |
Channel estimation / non-orthogonal pilot / deep learning / generative adversarial networks / / / / |
文献情報 |
信学技報, vol. 119, no. 90, RCS2019-43, pp. 37-42, 2019年6月. |
資料番号 |
RCS2019-43 |
発行日 |
2019-06-12 (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 |
RCS2019-43 |
|