| 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 | 2021-07-16 09:40 MIMO無線通信ネットワークにおける教師なし機械学習に基づく送信電力及びビームフォーミング制御 ○玉田直人・張 裕淵・府川和彦（東工大）  CS2021-29 |
|
| 抄録 | （和） | セルを高密度に配置するとシステム容量を大幅に改善するが，隣接するセルが重なり合って移動通信においてセル間干渉（ICI）が発生するためシステム容量の増加分が損なわれる問題がある．この問題の対処にはセル間干渉制御（ICIC）が有効であり，ICICの一つとして基地局（BS）側で送信電力とビームフォーミングを制御することが検討されている．このICICは最適化問題と見なすことができ，従来方式では予め定められたコードブック内で送信電力レベルとプリコーディング行列の最適な組み合わせを全探索（ES）により求めていた．しかしながら，計算量がBSの数とともに指数関数的に増加するため大規模システムでは実装不可能である．畳み込みニューラルネットワーク（CNN）は訓練時に多くの演算量を必要とするが，最適値の予測時には大幅に演算量を抑えることができるため，本報告では上記のICICにCNNを適用する．なお，CNNの機械学習は主に教師あり学習と教師なし学習に分類されるが，教師あり学習では教師信号をESによって求める必要があるため大規模システムでは適用が難しい．そこで，本報告ではICICのため，CNNの教師なし学習を提案する．3セクター3セル並びにMIMO伝送の条件で計算機シミュレーションを行い，提案方式が演算量を大幅に減少しつつシステム容量を大幅に改善できることを明らかにする． |
| （英） | In mobile communications, densely deployed cell systems are expected to improve the system capacity drastically. However, many overlapping cells cause inter-cell interference (ICI), which can damage the improvement of the system capacity. As one of ICI coordination (ICIC) to compensate for the damage, base stations (BSs) control both transmit power and transmit beamforming. Since this kind of ICIC can be regarded as an optimization problem, a conventional scheme conducts exhaustive search (ES) in order to choose the optimal combination of transmit power levels and precoding matrices from a pre-defined codebook. However, ES requires a prohibitive amount of computational complexity that grows exponentially with the number of BSs, and thus can not be applied to a large scale system. To reduce the complexity, this report applies a convolutional neural network (CNN) into the ICIC. The reason for adopting CNN is that CNN requires a small amount of computational complexity for predicting optimal values, although its training process needs a large amount of complexity. Machine learning for CNN can be mainly classified into supervised and unsupervised learning. Since the supervised learning needs results of ES as the training sequence, it is very difficult to adopt the supervised learning in case of a large scale system. Therefore, this report proposes CNN employing unsupervised learning for the ICIC. Computer simulations under MIMO communications with 3 cells having 3-sector antennas clarify that the proposed scheme can improve the system capacity drastically while requiring a less amount of complexity. | |
| キーワード | （和） | MIMO / セル間干渉制御 / 送信電力制御 / ビームフォーミング制御 / 畳み込みニューラルネットワーク / 教師なし学習 / / |
| （英） | MIMO / inter-cell interference coordination / transmit power control / beamforming control / convolutional neural network / unsupervised learning / / | |
| 文献情報 | 信学技報, vol. 121, no. 113, CS2021-29, pp. 63-68, 2021年7月. | |
| 資料番号 | CS2021-29 | |
| 発行日 | 2021-07-08 (CS) | |
| 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 | CS2021-29 |
|
| 研究会情報 | |
| 研究会 | CS |
| 開催期間 | 2021-07-15 - 2021-07-16 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 次世代ネットワーク，アクセスネットワーク，ブロードバンドアクセス方式，電力線通信，無線通信方式，符号化方式，一般 |
| テーマ（英） | Next Generation Networks, Access Networks, Broadband Access, Power Line Communications, Wireless Communication Systems, Coding Systems, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | CS |
| 会議コード | 2021-07-CS |
| 本文の言語 | 日本語 |
| タイトル（和） | MIMO無線通信ネットワークにおける教師なし機械学習に基づく送信電力及びビームフォーミング制御 |
| サブタイトル（和） | |
| タイトル（英） | Joint Transmit Power and Beamforming Control based on Unsupervised Machine Learning for MIMO Wireless Communication Networks |
| サブタイトル（英） | |
| キーワード(1)（和/英） | MIMO / MIMO |
| キーワード(2)（和/英） | セル間干渉制御 / inter-cell interference coordination |
| キーワード(3)（和/英） | 送信電力制御 / transmit power control |
| キーワード(4)（和/英） | ビームフォーミング制御 / beamforming control |
| キーワード(5)（和/英） | 畳み込みニューラルネットワーク / convolutional neural network |
| キーワード(6)（和/英） | 教師なし学習 / unsupervised learning |
| 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） | 玉田 直人 / Naoto Tamada / タマダ ナオト |
| 第1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2著者 氏名（和/英/ヨミ） | 張 裕淵 / Yuyuan Chang / チョウ ユウエン |
| 第2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3著者 氏名（和/英/ヨミ） | 府川 和彦 / Kazuhiko Fukawa / フカワ カズヒコ |
| 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） | / / |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-07-16 09:40:00 |
| 発表時間 | 10分 |
| 申込先研究会 | CS |
| 資料番号 | CS2021-29 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.113 |
| ページ範囲 | pp.63-68 |
| ページ数 | 6 |
| 発行日 | 2021-07-08 (CS) |
[研究会発表申込システムのトップページに戻る]