| 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 | 2020-12-18 15:50 畳み込みニューラルネットワークによるスペクトログラム画像に基づくKファクタ推定 ○小島 駿・島 康介（千葉大）・丸田一輝（東工大）・安 昌俊（千葉大）  RCS2020-153 |
|
| 抄録 | （和） | 次世代移動体無線通信システムでは, 高速・大容量・低遅延通信の実現のための適切な制御を実行するために, 通信環境情報を正確かつ高速に取得することが必要不可欠である. ライスフェージングにおけるKファクタは, 通信環境を決定づける1つの要因であり, 通信品質に大きく影響を与えるパラメータである. 受信側でＫファクタを低計算コストで正確に推定できれば, 送信側で適応変調などの適応制御方式を低遅延かつ高精度に行うことが可能となる. Kファクタを推定する手法は様々な方式が提案されているが, 大きなレンジでのサンプリングが必要な点や参照信号による計算量の増加等の問題があり, パケット単位での推定は困難であった. そこで本稿では, 受信スペクトログラム画像から畳み込みニューラルネットワーク(CNN)を用いることで, 参照信号を用いずにパケット単位でのKファクタ推定を実現する手法を提案する. シミュレーション結果より, 提案法を用いることによるKファクタの推定精度と, 実際に適応変調符号化を適用した場合におけるスループット特性の観点からその有効性を明らかにする. |
| （英） | In the next generation mobile communications systems, accurate and fast acquisition of the communication environment is essential to achieve high-speed and low-latency communication. A $K$-factor in Rician fading is a major determinant of the link quality. Therefore, $K$-factor estimation is a very important task in order to achieve high performance of adaptive control in wireless communications that is dependent on the link quality. Conventional methods for estimating the $K$-factor have been widely studied, including the method using moments of the received signal and the method based on the received signal envelope and channel statistics. These methods require sampling of the signal on a large scale, which increases the amount of computation and processing time. In this paper, we focus on spectrograms containing features of the $K$-factor and propose a novel its estimation method using convolutional neural network (CNN) from a single packet. Simulation results reveal its effectiveness in terms of estimation accuracy and resultant adaptive modulation performance. | |
| キーワード | （和） | スペクトログラム / 畳み込みニューラルネットワーク / Kファクタ推定 / / / / / |
| （英） | Spectrogram / CNN / K factor estimation / / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 298, RCS2020-153, pp. 103-108, 2020年12月. | |
| 資料番号 | RCS2020-153 | |
| 発行日 | 2020-12-10 (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 | RCS2020-153 |
|
| 研究会情報 | |
| 研究会 | NS RCS |
| 開催期間 | 2020-12-17 - 2020-12-18 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | マルチホップ／リレー／協調，耐災害無線ネットワーク，センサ・メッシュネットワーク，アドホックネットワーク，D2D・M2M，無線ネットワークコーディング，ハンドオーバ/AP切替/接続セル制御/基地局間負荷分散/モバイルNW動的再構成，QoS・QoE保証，無線VoIP，IoT，エッジコンピューティング，一般 |
| テーマ（英） | Multi-hop/Relay/Cooperation, Disaster-resistant wireless network, Sensor/Mesh network, Ad-hoc network, D2D/M2M, Wireless network coding, Handover/AP switching/Connected cell control/Load balancing among base stations/Mobile network dynamic reconfiguration, QoS/QoE assurance, Wireless VoIP, IoT, Edge computing, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | RCS |
| 会議コード | 2020-12-NS-RCS |
| 本文の言語 | 日本語 |
| タイトル（和） | 畳み込みニューラルネットワークによるスペクトログラム画像に基づくKファクタ推定 |
| サブタイトル（和） | |
| タイトル（英） | K-Factor Estimation based on Spectrogram Images by Convolutional Neural Network |
| サブタイトル（英） | |
| キーワード(1)（和/英） | スペクトログラム / Spectrogram |
| キーワード(2)（和/英） | 畳み込みニューラルネットワーク / CNN |
| キーワード(3)（和/英） | Kファクタ推定 / K factor estimation |
| キーワード(4)（和/英） | / |
| 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） | 小島 駿 / Shun Kojima / コジマ シュン |
| 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） | 島 康介 / Kosuke Shima / シマ コウスケ |
| 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） | 丸田 一輝 / Kazuki Maruta / マルタ カズキ |
| 第3著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第4著者 氏名（和/英/ヨミ） | 安 昌俊 / Chang-Jun Ahn / アン チャンジュン |
| 第4著者 所属（和/英） | 千葉大学 (略称： 千葉大) Chiba University (略称： Chiba Univ.) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-12-18 15:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | RCS |
| 資料番号 | RCS2020-153 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.298 |
| ページ範囲 | pp.103-108 |
| ページ数 | 6 |
| 発行日 | 2020-12-10 (RCS) |
[研究会発表申込システムのトップページに戻る]