| 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 | 2019-11-06 13:25 ［ポスター講演］電波伝搬シミュレーションと深層学習を用いたミリ波受信電力予測手法の検討 ○岩崎正寛・西尾理志・守倉正博・山本高至（京大）  SRW2019-34 SeMI2019-78 CNR2019-28 |
|
| 抄録 | （和） | 深層学習により電波伝搬を予測する手法が検討されている． 周囲の地図情報などを特徴量として受信電力へのマッピングを学習することで予測を可能とする． しかし， 実環境において予測精度の高いモデルを得るためには， 受信電力を大量に測定する必要がある． 本研究では， 少数の測定データから予測モデルを学習する手法を提案する．提案手法では，計算機シミュレーションデータをもとに予測モデルを事前学習し， そのモデルを実測データでチューニングすることで少数の実測データで実環境に適合した予測モデルを獲得する． 本稿では， 実測データの代わりにより詳細化した電波伝搬シミュレーション結果を用いて提案手法の性能を検証した． 本手法により， 詳細化した環境での予測モデルの学習に必要なデータ数と学習の計算時間を削減できることを示した． |
| （英） | Machine learning based received power prediction has been studied. These methods learn Features such as surrounding map information and received power. However, these methods require a large number of training datasets for preparing the accurate prediction model due to using a deep learning. In order to reduce cost for the dataset preparation, this paper proposes a pre-training method using radio propagation simulation. In this method, a prediction model trained with simulation data is transfered and fine-tuned using a small amount of dataset obtained in real environment to provide accurate prediction in the environment. The performance of the proposed method was evaluated by using the radio propagation simulation results. The evaluations show that the proposed method reduces the amount of training datasets and the computational time to achieve certain prediction accuracy. | |
| キーワード | （和） | 深層学習 / 電波伝搬シミュレーション / ミリ波通信 / 受信電力予測 / 転移学習 / / / |
| （英） | Deep learning / Radio propagation simulation / mmWave communication / Received power prediction / Transfer learning / / / | |
| 文献情報 | 信学技報, vol. 119, no. 266, SeMI2019-78, pp. 73-74, 2019年11月. | |
| 資料番号 | SeMI2019-78 | |
| 発行日 | 2019-10-29 (SRW, SeMI, CNR) | |
| 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 | SRW2019-34 SeMI2019-78 CNR2019-28 |
|
| 研究会情報 | |
| 研究会 | SRW SeMI CNR |
| 開催期間 | 2019-11-05 - 2019-11-06 |
| 開催地（和） | 構造計画研究所(本所新館東京) |
| 開催地（英） | Kozo Keisaku Engineering Inc. |
| テーマ（和） | IoTワークショップ |
| テーマ（英） | IoT Workshop (Oral or Poster presentation) |
| 講演論文情報の詳細 | |
| 申込み研究会 | SeMI |
| 会議コード | 2019-11-SRW-SeMI-CNR |
| 本文の言語 | 日本語 |
| タイトル（和） | 電波伝搬シミュレーションと深層学習を用いたミリ波受信電力予測手法の検討 |
| サブタイトル（和） | |
| タイトル（英） | A Study of Received Power Prediction Using Ray-tracing Simulation and Deep Learning for mmWave Communications |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層学習 / Deep learning |
| キーワード(2)（和/英） | 電波伝搬シミュレーション / Radio propagation simulation |
| キーワード(3)（和/英） | ミリ波通信 / mmWave communication |
| キーワード(4)（和/英） | 受信電力予測 / Received power prediction |
| キーワード(5)（和/英） | 転移学習 / Transfer learning |
| 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） | 岩崎 正寛 / Masahiro Iwasaki / イワサキ マサヒロ |
| 第1著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ) |
| 第2著者 氏名（和/英/ヨミ） | 西尾 理志 / Takayuki Nishio / ニシオ タカユキ |
| 第2著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ) |
| 第3著者 氏名（和/英/ヨミ） | 守倉 正博 / Masahiro Morikura / モリクラ マサヒロ |
| 第3著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ) |
| 第4著者 氏名（和/英/ヨミ） | 山本 高至 / Koji Yamamoto / ヤマモト コウジ |
| 第4著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-11-06 13:25:00 |
| 発表時間 | 60分 |
| 申込先研究会 | SeMI |
| 資料番号 | SRW2019-34, SeMI2019-78, CNR2019-28 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.265(SRW), no.266(SeMI), no.267(CNR) |
| ページ範囲 | pp.53-54(SRW), pp.73-74(SeMI), pp.51-52(CNR) |
| ページ数 | 2 |
| 発行日 | 2019-10-29 (SRW, SeMI, CNR) |
[研究会発表申込システムのトップページに戻る]