| 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 | 2020-03-26 15:10 深層学習による都市環境の電波伝搬推定モデルに関する検討 ○林 遼平・澤井 薫（パナソニック システムネットワークス開発研）・立岩斉明・田中 智（九大）・藤澤克樹（IMI）  AP2019-201 |
|
| 抄録 | （和） | 第5世代移動通信システム(5G)やIoTなど高速かつ高品質な無線通信環境の実現へ向けて、導入環境における複雑な電波伝搬特性を推定するモデルが必要である。近年、深層学習を用いた電波伝搬推定法が提案されており、有効性が示されている。本稿では、受信電力が隣接する受信点間の線形和で求められると仮説を立て、深層学習により推定した線形方程式を解くことで受信電力を推定するモデルを構築し、受信電力の推定精度について評価を行った。 |
| （英） | Radio wave propagation characteristic estimation model is necessary to realize high speed and quality services such as 5G and IoT. Research on these models has been active in recent years. In this paper, we describe radio propagation characteristics model using deep neural network (DNN) that can be estimated seamlessly for changes in propagation environment. In the proposed model, we hypothesized that received power can be obtained by the linear combination of the received powers of the adjacent receiving points, and estimate received power by solving linear equation deduced from the output of our DNN. We evaluate the performance of the proposed model through numerical experiments, applying to one of the metropolitan areas of Japan. | |
| キーワード | （和） | 電波伝搬推定 / 機械学習 / 深層学習 / レイラウンチング法 / / / / |
| （英） | Radio propagation prediction / Machine learning / Deep learning / Ray-Launching / / / / | |
| 文献情報 | 信学技報, vol. 119, no. 486, AP2019-201, pp. 23-28, 2020年3月. | |
| 資料番号 | AP2019-201 | |
| 発行日 | 2020-03-19 (AP) | |
| 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 | AP2019-201 |
|
| 研究会情報 | |
| 研究会 | AP |
| 開催期間 | 2020-03-26 - 2020-03-27 |
| 開催地（和） | 福井高専 |
| 開催地（英） | Fukui College |
| テーマ（和） | 一般 |
| テーマ（英） | Antennas and Propagation |
| 講演論文情報の詳細 | |
| 申込み研究会 | AP |
| 会議コード | 2020-03-AP |
| 本文の言語 | 日本語 |
| タイトル（和） | 深層学習による都市環境の電波伝搬推定モデルに関する検討 |
| サブタイトル（和） | |
| タイトル（英） | A Study on Radio Propagation Prediction Model in Urban Environment by Using Deep Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 電波伝搬推定 / Radio propagation prediction |
| キーワード(2)（和/英） | 機械学習 / Machine learning |
| キーワード(3)（和/英） | 深層学習 / Deep learning |
| キーワード(4)（和/英） | レイラウンチング法 / Ray-Launching |
| 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） | 林 遼平 / Ryohei Hayashi / ハヤシ リョウヘイ |
| 第1著者 所属（和/英） | パナソニックシステムネットワークス開発研究所 (略称： パナソニック システムネットワークス開発研) Panasonic System Networks R&D Lab.Co., Ltd (略称： PSNRD) |
| 第2著者 氏名（和/英/ヨミ） | 澤井 薫 / Kaoru Sawai / サワイ カオル |
| 第2著者 所属（和/英） | パナソニックシステムネットワークス開発研究所 (略称： パナソニック システムネットワークス開発研) Panasonic System Networks R&D Lab.Co., Ltd (略称： PSNRD) |
| 第3著者 氏名（和/英/ヨミ） | 立岩 斉明 / Nariaki Tateiwa / タテイワ ナリアキ |
| 第3著者 所属（和/英） | 九州大学 (略称： 九大) Kyushu University (略称： Kyushu Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 田中 智 / Akira Tanaka / タナカ アキラ |
| 第4著者 所属（和/英） | 九州大学 (略称： 九大) Kyushu University (略称： Kyushu Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 藤澤 克樹 / Katsuki Fujisawa / フジサワ カツキ |
| 第5著者 所属（和/英） | 九州大学マス・フォア・インダストリ研究所 (略称： IMI) Institute of Mathematics for Industry, Kyushu University (略称： IMI) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-03-26 15:10:00 |
| 発表時間 | 25分 |
| 申込先研究会 | AP |
| 資料番号 | AP2019-201 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.486 |
| ページ範囲 | pp.23-28 |
| ページ数 | 6 |
| 発行日 | 2020-03-19 (AP) |
[研究会発表申込システムのトップページに戻る]