講演抄録/キーワード |
講演名 |
2021-01-22 11:10
[依頼講演]LSTMを用いた2-26GHz帯の電波伝搬損失変動予測 ○佐々木元晴・久野伸晃・中平俊郎・猪又 稔・山田 渉・守山貴庸(NTT) AP2020-112 |
抄録 |
(和) |
深層学習としてLong Short-Term Memory(LSTM)を用いた電波伝搬損失の変動予測手法について報告する.訓練データおよび検証データは神奈川県横須賀市において面的に測定した電波伝搬損失を用いており,測定周波数は2.2GHz,4.7GHz,26.4GHzの3周波数帯である.約0.1秒ごとの瞬時変動データ100点を用いて,1秒後の伝搬損失の中央値データを予測した.中央値データは100点(約10秒間)の瞬時変動データを用いて導出している.LSTMを用いた予測手法により,検証データに対するRMSE(Root Mean Squared Error)は2.2GHzで約2.2dB,4.7GHzで約2.1dB,26.4GHzで約2.4dBとなり,最新の観測値を用いた予測に対して1dB以上推定精度を改善した. |
(英) |
We report a method for predicting variation in path loss using Long Short-Term Memory (LSTM) as deep learning. The training data and validation data are path loss data measured in Yokosuka City, Kanagawa, and the measurement frequencies are in three frequency bands of 2.2 GHz, 4.7 GHz, and 26.4 GHz. The median data of the path loss after 1 second was predicted using 100 points of fast fading data obtained about every 0.1 seconds. The median data is derived using fast fading data of 100 points (about 10 seconds). By the prediction method using LSTM, the RMSE (Root Mean Squared Error) for the validation data is about 2.2 dB at 2.2 GHz, about 2.1 dB at 4.7 GHz, and about 2.4 dB at 26.4 GHz. The prediction errors are improved by 1 dB or more than predictions using the latest observed values. |
キーワード |
(和) |
深層学習 / LSTM / 電波伝搬損失 / Sub6 / ミリ波 / / / |
(英) |
Deep learning / LSTM / path loss / Sub6 / millimeter wave / / / |
文献情報 |
信学技報, vol. 120, no. 325, AP2020-112, pp. 50-55, 2021年1月. |
資料番号 |
AP2020-112 |
発行日 |
2021-01-14 (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 |
AP2020-112 |
研究会情報 |
研究会 |
WPT AP |
開催期間 |
2021-01-21 - 2021-01-22 |
開催地(和) |
オンライン開催 |
開催地(英) |
Online |
テーマ(和) |
アンテナ・伝搬・無線電力伝送・一般 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
AP |
会議コード |
2021-01-WPT-AP |
本文の言語 |
日本語 |
タイトル(和) |
LSTMを用いた2-26GHz帯の電波伝搬損失変動予測 |
サブタイトル(和) |
|
タイトル(英) |
Path Loss Variation Prediction at 2-26 GHz Band using LSTM |
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) |
LSTM / LSTM |
キーワード(3)(和/英) |
電波伝搬損失 / path loss |
キーワード(4)(和/英) |
Sub6 / Sub6 |
キーワード(5)(和/英) |
ミリ波 / millimeter wave |
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) |
佐々木 元晴 / Motoharu Sasaki / ササキ モトハル |
第1著者 所属(和/英) |
NTT (略称: NTT)
NTT (略称: NTT) |
第2著者 氏名(和/英/ヨミ) |
久野 伸晃 / Nobuaki Kuno / クノ ノブアキ |
第2著者 所属(和/英) |
NTT (略称: NTT)
NTT (略称: NTT) |
第3著者 氏名(和/英/ヨミ) |
中平 俊郎 / Toshiro Nakahira / ナカヒラ トシロウ |
第3著者 所属(和/英) |
NTT (略称: NTT)
NTT (略称: NTT) |
第4著者 氏名(和/英/ヨミ) |
猪又 稔 / Minoru Inomata / イノマタ ミノル |
第4著者 所属(和/英) |
NTT (略称: NTT)
NTT (略称: NTT) |
第5著者 氏名(和/英/ヨミ) |
山田 渉 / Wataru Yamada / ヤマダ ワタル |
第5著者 所属(和/英) |
NTT (略称: NTT)
NTT (略称: NTT) |
第6著者 氏名(和/英/ヨミ) |
守山 貴庸 / Takatsune Moriyama / モリヤマ タカツネ |
第6著者 所属(和/英) |
NTT (略称: NTT)
NTT (略称: NTT) |
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: ) |
講演者 |
第1著者 |
発表日時 |
2021-01-22 11:10:00 |
発表時間 |
25分 |
申込先研究会 |
AP |
資料番号 |
AP2020-112 |
巻番号(vol) |
vol.120 |
号番号(no) |
no.325 |
ページ範囲 |
pp.50-55 |
ページ数 |
6 |
発行日 |
2021-01-14 (AP) |