講演抄録/キーワード |
講演名 |
2021-01-22 15:15
受信信号スペクトログラムを用いた深層学習による複数の通信環境情報の推定可能性に関する検討 ○小島 駿(千葉大)・丸田一輝(東工大)・安 昌俊(千葉大) IT2020-97 SIP2020-75 RCS2020-188 |
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応変調符号化等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. 適応変調符号化適用時にその性能に大きな影響を与える通信環境パラメータとして, SNRやドップラーシフト, $K$ファクタが挙げられる. 従来では, これらの情報の推定には莫大な計算量を要することに加え, 参照信号が必要な点や大規模な信号サンプリングが不可欠であることから, 高速・大容量・低遅延通信を目指した適応変調符号化への導入は困難であった. そこで本稿では, 受信信号の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を用いることで, 参照信号を用いずにパケット単位でこれらの複数の通信環境パラメータを推定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SNR, ドップラーシフト, $K$ファクタそれぞれ単独で推定した場合の推定精度と, この3つのパラメータを同時に推定した場合における推定精度の観点からその基本的な有効性を明らかにする. |
(英) |
In the next generation mobile radio communication systems, it is essential to obtain the communication environment information accurately and quickly in order to implement appropriate control such as adaptive modulation and coding for realizing high-speed, high-capacity and low-delay communication. SNR, Doppler shift, and $K$-factor are some of the communication environment parameters that have a significant impact on the performance of adaptive modulation and coding. In the past, it has been difficult to introduce these parameters into adaptive modulation and coding for high-speed and large-capacity communications because the estimation of these parameters requires a huge amount of computation, a reference signal, and large-scale signal sampling. In this paper, we propose a method for estimating these multiple communication environment parameters on a per-packet basis without using reference signals by using convolutional neural networks from spectrogram images of the received signal. From the simulation results, we clarify the effectiveness of the proposed method in terms of the estimation accuracy of SNR, Doppler shift, and $K$-factor when they are estimated independently and the estimation accuracy when these three parameters are estimated simultaneously. |
キーワード |
(和) |
スペクトログラム / CNN / SNR推定 / ドップラーシフト推定 / Kファクタ推定 / / / |
(英) |
Spectrogram / CNN / SNR estimation / Doppler shift estimation / K factor estimation / / / |
文献情報 |
信学技報, vol. 120, no. 322, RCS2020-188, pp. 188-193, 2021年1月. |
資料番号 |
RCS2020-188 |
発行日 |
2021-01-14 (IT, SIP, 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 |
IT2020-97 SIP2020-75 RCS2020-188 |
研究会情報 |
研究会 |
SIP IT RCS |
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) |
無線通信のための信号処理,学習,数理,情報理論および一般 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
RCS |
会議コード |
2021-01-SIP-IT-RCS |
本文の言語 |
日本語 |
タイトル(和) |
受信信号スペクトログラムを用いた深層学習による複数の通信環境情報の推定可能性に関する検討 |
サブタイトル(和) |
|
タイトル(英) |
A Study on the Possibility of Estimating Multiple Communication Environment Information by Deep Learning Method Using Received Signal Spectrogram |
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) |
CNN / CNN |
キーワード(3)(和/英) |
SNR推定 / SNR estimation |
キーワード(4)(和/英) |
ドップラーシフト推定 / Doppler shift estimation |
キーワード(5)(和/英) |
Kファクタ推定 / K factor estimation |
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) |
丸田 一輝 / Kazuki Maruta / マルタ カズキ |
第2著者 所属(和/英) |
東京工業大学 (略称: 東工大)
Tokyo Institute and Technology (略称: Tokyo Tech.) |
第3著者 氏名(和/英/ヨミ) |
安 昌俊 / Chang-Jun Ahn / アン チャンジュン |
第3著者 所属(和/英) |
千葉大学 (略称: 千葉大)
Chiba University (略称: Chiba Univ.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
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: ) |
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 15:15:00 |
発表時間 |
25分 |
申込先研究会 |
RCS |
資料番号 |
IT2020-97, SIP2020-75, RCS2020-188 |
巻番号(vol) |
vol.120 |
号番号(no) |
no.320(IT), no.321(SIP), no.322(RCS) |
ページ範囲 |
pp.188-193 |
ページ数 |
6 |
発行日 |
2021-01-14 (IT, SIP, RCS) |
|