| 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 | 2022-01-20 15:10 ［招待講演］Society 5.0現実空間情報を用いた無線通信品質予測技術 ○工藤理一・高橋馨子・永田尚志・村上友規・小川智明（NTT）  IT2021-44 SIP2021-52 RCS2021-212 |
|
| 抄録 | （和） | 無線通信技術の発展により、様々なコネクテッドデバイスが普及し、無線通信がより身近になっている。IoT（Internet of Things）で人と様々なモノがつながり、様々な知識や情報が共有されるSociety 5.0により実現される世界では、ネットワーク上のサイバー（仮想）空間とフィジカル（物理）空間の情報が高度に融合され、様々なサービスが生み出されることが期待されている。本稿では、物理空間と無線通信の間の関係を深層学習により利用することで、Society 5.0において実現でされる新たな無線通信システムへの可能性を議論する。無線システムとしては、無線LANシステムを例として用い、詳細な位置情報、または、映像情報から生成される物理空間情報により、未来の無線通信品質を予測することの効果を示す。予測モデルとしては、RNN (Recurrent neural network)を用いた深層学習により、屋内での実験データをもとに、物理世界と無線通信情報の融合による技術の可能性を議論する。 |
| （英） | Thanks to the great advances in wireless communication systems, many types of the wireless terminals are available. It is expected that various novel services emerge in Society 5.0 that is based on Internet of Things (IoT) by a high degree of convergence between cyberspace (virtual world) and physical space (real world). This report discusses the potential of the physical space information use for the future wireless communication systems in Society 5.0. In wireless LAN systems, the throughput prediction was conducted using physical space information such as robot position information and camera images. We generated the prediction models using deep learning algorithms including recurrent neural network (RNN) and the indoor experiments were conducted for the evaluation. The results showed that the physical space information enabled the long term prediction. | |
| キーワード | （和） | ソサイエティ５．０ / オブジェクト認識 / バウンディングボックス / 無線通信品質予測 / 機械学習 / / / |
| （英） | Society 5.0 / Thanks to the great advances in wireless communication systems, many types of the wireless terminals are available. It is expected that various novel services emerge in Society 5.0 that is based on Internet of Things (IoT) by a high degree of convergence between cyberspace (virtual world) and physical space (real world). This report discusses the potential of the physical space information use for the future wireless communication systems in Society 5.0. In wireless LAN systems, the throughput prediction was conducted using physical space information such as robot position information and camera images. We generated the prediction models using deep learning algorithms including recurrent neural network (RNN) and the indoor experiments were conducted for the evaluation. The results showed that the physical space information enabled the long term prediction. / Bounding box / link quality prediction / machine learning / / / | |
| 文献情報 | 信学技報, vol. 121, no. 329, RCS2021-212, pp. 93-94, 2022年1月. | |
| 資料番号 | RCS2021-212 | |
| 発行日 | 2022-01-13 (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 | IT2021-44 SIP2021-52 RCS2021-212 |
|
| 研究会情報 | |
| 研究会 | RCS SIP IT |
| 開催期間 | 2022-01-20 - 2022-01-21 |
| 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 | 2022-01-RCS-SIP-IT |
| 本文の言語 | 日本語 |
| タイトル（和） | Society 5.0現実空間情報を用いた無線通信品質予測技術 |
| サブタイトル（和） | |
| タイトル（英） | Wireless link quality prediction using physical space information in Society 5.0 |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ソサイエティ５．０ / Society 5.0 |
| キーワード(2)（和/英） | オブジェクト認識 / Thanks to the great advances in wireless communication systems, many types of the wireless terminals are available. It is expected that various novel services emerge in Society 5.0 that is based on Internet of Things (IoT) by a high degree of convergence between cyberspace (virtual world) and physical space (real world). This report discusses the potential of the physical space information use for the future wireless communication systems in Society 5.0. In wireless LAN systems, the throughput prediction was conducted using physical space information such as robot position information and camera images. We generated the prediction models using deep learning algorithms including recurrent neural network (RNN) and the indoor experiments were conducted for the evaluation. The results showed that the physical space information enabled the long term prediction. |
| キーワード(3)（和/英） | バウンディングボックス / Bounding box |
| キーワード(4)（和/英） | 無線通信品質予測 / link quality prediction |
| キーワード(5)（和/英） | 機械学習 / machine learning |
| 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） | 工藤 理一 / Riichi Kudo / クドウ リイチ |
| 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） | 高橋 馨子 / Kahoko Takahashi / タカハシ カホコ |
| 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） | 永田 尚志 / Hisashi Nagata / ナガタ ヒサシ |
| 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） | 村上 友規 / Tomoki Murakami / ムラカミ トモキ |
| 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） | 小川 智明 / Tomoaki Ogawa / オガワ トモアキ |
| 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） | / / |
| 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 | 2022-01-20 15:10:00 |
| 発表時間 | 50分 |
| 申込先研究会 | RCS |
| 資料番号 | IT2021-44, SIP2021-52, RCS2021-212 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.327(IT), no.328(SIP), no.329(RCS) |
| ページ範囲 | pp.93-94 |
| ページ数 | 2 |
| 発行日 | 2022-01-13 (IT, SIP, RCS) |
[研究会発表申込システムのトップページに戻る]