講演抄録/キーワード |
講演名 |
2019-07-11 10:40
[ポスター講演]無線信号の可視化情報を用いた深層学習によるSIR推定 ○丸田一輝・小島 駿(千葉大)・中山 悠(東京農工大)・久野大介(阪大)・安 昌俊(千葉大) RCC2019-27 NS2019-63 RCS2019-120 SR2019-39 SeMI2019-36 |
抄録 |
(和) |
モバイルトラフィックの増大に伴うスモールセル化,周波数資源の枯渇等に起因し,無線通信における電波干渉は深刻な問題となりつつある.これを克服するためには,当該同一チャネル干渉を効果的に抑圧する必要がある.マルチアンテナ技術により干渉抑圧は実現されるが,そのためには一般にチャネル状態を,トレーニング信号等を用いて事前に把握する必要があり,干渉信号の増大に伴いオーバーヘッドとなる.加えて異なるシステム間の同一シャネル干渉はトレーニングを共有できないため干渉抑圧は困難である.ここでチャネル推定が不要なブラインド型アダプティブアレーが有効であるが,アンテナ入力段における信号対干渉電力比(SIR)により適用すべきアルゴリズムが異なる.そのため干渉レベルに応じた適切なアルゴリズムの切り替えが必要となる.これを実現するために本稿では,干渉レベルを事前に推定する手法として希望信号及び干渉信号が混在するコンスタレーション画像を用いた畳み込み多層ニューラルネットワークによるSIR識別法を提案し,その可能性を検討する. |
(英) |
This article proposes the blind interference estimation via deep learning approach exploiting the visualized wireless signal information. Co-channel interference becomes more extensive due to frequency resource exhaustion and small cell deployment which had been triggered by mobile traffic explosion. Multi-antenna signal processing, i.e. blind adaptive array, is an effective means to suppress co-channel interference without any a priori information such as channel state information. Unfortunately, blind algorithms have their applicable regions depending on the signal-to-interference (SIR) at array input. These algorithms should be optimally selected according to interference level. Here investigates the possibility of the SIR classification by the multi-layered deep convolutional neural network. Constellation images where includes the desired and interference signals are used for model training. |
キーワード |
(和) |
機械学習 / 深層学習 / ニューラルネットワーク / 干渉推定 / / / / |
(英) |
Machine learning / Deep learning / Neural network / Interference estimation / / / / |
文献情報 |
信学技報, vol. 119, no. 108, RCS2019-120, pp. 107-108, 2019年7月. |
資料番号 |
RCS2019-120 |
発行日 |
2019-07-03 (RCC, NS, RCS, SR, SeMI) |
ISSN |
Print edition: ISSN 0913-5685 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 |
RCC2019-27 NS2019-63 RCS2019-120 SR2019-39 SeMI2019-36 |
研究会情報 |
研究会 |
SeMI RCS NS SR RCC |
開催期間 |
2019-07-10 - 2019-07-12 |
開催地(和) |
I-Siteなんば(大阪) |
開催地(英) |
I-Site Nanba(Osaka) |
テーマ(和) |
特集セッション「AI時代の将来無線に向けた通信・ネットワーク制御」 ,一般 |
テーマ(英) |
Communication and Networked Control for the Future Radio of the AI Age, etc |
講演論文情報の詳細 |
申込み研究会 |
RCS |
会議コード |
2019-07-SeMI-RCS-NS-SR-RCC |
本文の言語 |
日本語 |
タイトル(和) |
無線信号の可視化情報を用いた深層学習によるSIR推定 |
サブタイトル(和) |
|
タイトル(英) |
Blind SIR Estimation by Deep Learning Using Visualized Wireless Signal Information |
サブタイトル(英) |
|
キーワード(1)(和/英) |
機械学習 / Machine learning |
キーワード(2)(和/英) |
深層学習 / Deep learning |
キーワード(3)(和/英) |
ニューラルネットワーク / Neural network |
キーワード(4)(和/英) |
干渉推定 / Interference estimation |
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) |
丸田 一輝 / Kazuki Maruta / マルタ カズキ |
第1著者 所属(和/英) |
千葉大学 (略称: 千葉大)
Chiba University (略称: Chiba Univ.) |
第2著者 氏名(和/英/ヨミ) |
小島 駿 / Shun Kojima / コジマ シュン |
第2著者 所属(和/英) |
千葉大学 (略称: 千葉大)
Chiba University (略称: Chiba Univ.) |
第3著者 氏名(和/英/ヨミ) |
中山 悠 / Yu Nakayama / ナカヤマ ユウ |
第3著者 所属(和/英) |
東京農工大学 (略称: 東京農工大)
Tokyo University of Agriculture and Technology (略称: TUAT) |
第4著者 氏名(和/英/ヨミ) |
久野 大介 / Daisuke Hisano / ヒサノ ダイスケ |
第4著者 所属(和/英) |
大阪大学 (略称: 阪大)
Osaka University (略称: Osaka Univ.) |
第5著者 氏名(和/英/ヨミ) |
安 昌俊 / Chang-Jun Ahn / アン チャンジュン |
第5著者 所属(和/英) |
千葉大学 (略称: 千葉大)
Chiba University (略称: Chiba Univ.) |
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: ) |
第21著者 氏名(和/英/ヨミ) |
/ / |
第21著者 所属(和/英) |
(略称: )
(略称: ) |
第22著者 氏名(和/英/ヨミ) |
/ / |
第22著者 所属(和/英) |
(略称: )
(略称: ) |
第23著者 氏名(和/英/ヨミ) |
/ / |
第23著者 所属(和/英) |
(略称: )
(略称: ) |
第24著者 氏名(和/英/ヨミ) |
/ / |
第24著者 所属(和/英) |
(略称: )
(略称: ) |
第25著者 氏名(和/英/ヨミ) |
/ / |
第25著者 所属(和/英) |
(略称: )
(略称: ) |
第26著者 氏名(和/英/ヨミ) |
/ / |
第26著者 所属(和/英) |
(略称: )
(略称: ) |
第27著者 氏名(和/英/ヨミ) |
/ / |
第27著者 所属(和/英) |
(略称: )
(略称: ) |
第28著者 氏名(和/英/ヨミ) |
/ / |
第28著者 所属(和/英) |
(略称: )
(略称: ) |
第29著者 氏名(和/英/ヨミ) |
/ / |
第29著者 所属(和/英) |
(略称: )
(略称: ) |
第30著者 氏名(和/英/ヨミ) |
/ / |
第30著者 所属(和/英) |
(略称: )
(略称: ) |
第31著者 氏名(和/英/ヨミ) |
/ / |
第31著者 所属(和/英) |
(略称: )
(略称: ) |
第32著者 氏名(和/英/ヨミ) |
/ / |
第32著者 所属(和/英) |
(略称: )
(略称: ) |
第33著者 氏名(和/英/ヨミ) |
/ / |
第33著者 所属(和/英) |
(略称: )
(略称: ) |
第34著者 氏名(和/英/ヨミ) |
/ / |
第34著者 所属(和/英) |
(略称: )
(略称: ) |
第35著者 氏名(和/英/ヨミ) |
/ / |
第35著者 所属(和/英) |
(略称: )
(略称: ) |
第36著者 氏名(和/英/ヨミ) |
/ / |
第36著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2019-07-11 10:40:00 |
発表時間 |
80分 |
申込先研究会 |
RCS |
資料番号 |
RCC2019-27, NS2019-63, RCS2019-120, SR2019-39, SeMI2019-36 |
巻番号(vol) |
vol.119 |
号番号(no) |
no.106(RCC), no.107(NS), no.108(RCS), no.109(SR), no.110(SeMI) |
ページ範囲 |
pp.85-86(RCC), pp.111-112(NS), pp.107-108(RCS), pp.117-118(SR), pp.99-100(SeMI) |
ページ数 |
2 |
発行日 |
2019-07-03 (RCC, NS, RCS, SR, SeMI) |
|