講演抄録/キーワード |
講演名 |
2020-07-09 13:25
深層学習を用いた到来方向推定における精度向上に関する検討 ○加瀬裕也・佐藤孝憲・西村寿彦・大鐘武雄・小川恭孝(北大)・来山大祐・岸山祥久(NTTドコモ) RCC2020-5 NS2020-34 RCS2020-68 SR2020-13 SeMI2020-5 |
抄録 |
(和) |
種々のアレーアンテナを用いた電波の到来方向推定技術は,MUSICやESPRITなどの部分空間法,EMやSAGEなどの確率分布推定などに加えて,計算資源が発展した近年では,圧縮センシングや深層学習に発展している.圧縮センシングや深層学習は,基本的にオングリッド推定であり,離散スペクトルが得られる.これまで筆者らが行ってきた深層学習を用いた到来方向推定の検討では,信号がグリッド境界付近の角度で到来する場合に,推定に失敗する現象が確認された.本稿では,この推定誤りを低減するため,グリッド配置が異なる2つのDNNを組み合わせて推定する手法について検討を行った.その結果,単独で推定した場合と比較して大きく特性が改善し,MUSICを超える推定成功率が得られることが確認された. |
(英) |
Direction of arrival (DOA) estimation of radio waves using a various types of array antennas are generally classified into subspace methods such as MUSIC and ESPRIT, and probability distribution estimation such as EM and SAGE. Recently, compressed sensing and deep learning have been studied with a progress of computing resources. The compressed sensing and deep learning are on-grid estimation in general, and thus a discrete spectrum is obtained. In our previous studies on DOA estimation using deep learning, it was shown that the estimation frequently fails when a signal arrives at angles near the grid border. In this paper, we have proposed a method of combining two DNNs, of which grids are staggered, in order to reduce this estimation error. Simulation results show that the proposed combining method improves the estimation accuracy compared with the case where one DNN is used and achieves higher estimation accuracy than MUSIC. |
キーワード |
(和) |
到来方向推定 / アレーアンテナ / 深層学習 / 多層ニューラルネットワーク / / / / |
(英) |
DOA estimation / array antenna / deep learning / deep neural network / / / / |
文献情報 |
信学技報, vol. 120, no. 89, RCS2020-68, pp. 61-66, 2020年7月. |
資料番号 |
RCS2020-68 |
発行日 |
2020-07-01 (RCC, NS, RCS, SR, SeMI) |
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 |
RCC2020-5 NS2020-34 RCS2020-68 SR2020-13 SeMI2020-5 |
研究会情報 |
研究会 |
SR NS SeMI RCC RCS |
開催期間 |
2020-07-08 - 2020-07-10 |
開催地(和) |
オンライン開催 |
開催地(英) |
Online |
テーマ(和) |
機械学習とAIを応用した通信・ネットワーク技術,M2M (Machine-to-Machine),D2D (Device-to-Device),IoT(Internet of Things),一般 |
テーマ(英) |
Communication and Network Technology of the AI Age, M2M (Machine-to-Machine),D2D (Device-to-Device),IoT(Internet of Things), etc |
講演論文情報の詳細 |
申込み研究会 |
RCS |
会議コード |
2020-07-SR-NS-SeMI-RCC-RCS |
本文の言語 |
日本語 |
タイトル(和) |
深層学習を用いた到来方向推定における精度向上に関する検討 |
サブタイトル(和) |
|
タイトル(英) |
Considerations on Accuracy Improvement in DOA Estimation Using Deep Learning |
サブタイトル(英) |
|
キーワード(1)(和/英) |
到来方向推定 / DOA estimation |
キーワード(2)(和/英) |
アレーアンテナ / array antenna |
キーワード(3)(和/英) |
深層学習 / deep learning |
キーワード(4)(和/英) |
多層ニューラルネットワーク / deep neural network |
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) |
加瀬 裕也 / Yuya Kase / カセ ユウヤ |
第1著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第2著者 氏名(和/英/ヨミ) |
佐藤 孝憲 / Takanori Sato / サトウ タカノリ |
第2著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第3著者 氏名(和/英/ヨミ) |
西村 寿彦 / Toshihiko Nishimura / ニシムラ トシヒコ |
第3著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第4著者 氏名(和/英/ヨミ) |
大鐘 武雄 / Takeo Ohgane / オオガネ タケオ |
第4著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第5著者 氏名(和/英/ヨミ) |
小川 恭孝 / Yasutaka Ogawa / オガワ ヤスタカ |
第5著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第6著者 氏名(和/英/ヨミ) |
来山 大祐 / Daisuke Kitayama / キタヤマ ダイスケ |
第6著者 所属(和/英) |
株式会社NTTドコモ (略称: NTTドコモ)
NTT DOCOMO, INC (略称: NTT DOCOMO) |
第7著者 氏名(和/英/ヨミ) |
岸山 祥久 / Yoshihisa Kishiyama / キシヤマ ヨシヒサ |
第7著者 所属(和/英) |
株式会社NTTドコモ (略称: NTTドコモ)
NTT DOCOMO, INC (略称: NTT DOCOMO) |
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: ) |
講演者 |
第1著者 |
発表日時 |
2020-07-09 13:25:00 |
発表時間 |
25分 |
申込先研究会 |
RCS |
資料番号 |
RCC2020-5, NS2020-34, RCS2020-68, SR2020-13, SeMI2020-5 |
巻番号(vol) |
vol.120 |
号番号(no) |
no.87(RCC), no.88(NS), no.89(RCS), no.90(SR), no.91(SeMI) |
ページ範囲 |
pp.19-24(RCC), pp.19-24(NS), pp.61-66(RCS), pp.25-30(SR), pp.13-18(SeMI) |
ページ数 |
6 |
発行日 |
2020-07-01 (RCC, NS, RCS, SR, SeMI) |
|