| 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 | 2022-01-21 15:00 ［招待講演］大規模マルチユーザMIMO検出のための信念伝搬法と深層学習の融合 ○高橋拓海（阪大）・衣斐信介（同志社大）・三瓶政一（阪大）  IT2021-80 SIP2021-88 RCS2021-248 |
|
| 抄録 | （和） | 無線通信技術の発展に伴う無線信号の多次元化を背景に，大規模な線形推論問題を低計算量で解くための多次元信号検出が今後の無線通信システムにおいて重要な役割を担う．信念伝搬法 (BP: Belief Propagation) に基づく線形ベイジアン検出器は，観測行列の各要素がゼロ平均で独立同分布したガウス分布に従うとき，大システム極限において最小計算量で最良の性能を達成する．しかし，無線通信システムで遭遇する線形推論問題においてその理想条件を精度よく満たすことは困難であり，精巧な多次元信号検出をそのまま適用しても，意図した検出性能が得られないことが多い．このような理論と工学の間にある隔たりを埋める橋渡し役として，深層展開 (DU: Deep Unfolding) と呼ばれる，深層学習を利用した反復アルゴリズムの最適化技術が注目を集めている．本稿ではその一例として，上り回線の大規模マルチユーザMIMO (Multi-Input Multi-Input) 検出を線形ベイジアン検出器の一種であるガウス信念伝搬法 (GaBP: Gaussian BP) で実現する際に，無線通信環境と理想条件の差異によって生じる不都合をDU技術によって緩和できることを示す．その実例を通して，学習可能なアルゴリズムの設計・学習後のアルゴリズムの解釈・および性能評価について解説し，BPと深層学習を統合して実用的な信号検出アルゴリズムを設計するためのエッセンスを与える． |
| （英） | With the increasing dimensionality of wireless communication signals, low-complexity signal detection algorithms to solve large-scale linear inference problems are expected to be crucial in future wireless networks. As a low-complexity linear Bayesian detector, Gaussian belief propagation (GaBP) achieves a Bayes-optimal performance with the minimum computational complexity in the large-system limit when the observation matrix entries follow an independent and identically distributed (i.i.d.) Gaussian distribution with zero mean. However, it is difficult to make such an ideal condition hold true for linear inference problems encountered in signal processing for wireless communications, and the optimal performance is not achieved even by employing sophisticated BP-based algorithms. As a promising approach to bridge this gap between theory and engineering, deep unfolding (DU), which embeds parameters into existing iterative algorithms and optimizes them via data-driven tuning, has been gaining attention. As an example, this paper will show that the DU technique can mitigate the inconvenience caused by the difference between the actual wireless communication environments and the ideal condition when GaBP is used for uplink signal detection in large multi-user MIMO (MU-MIMO) systems. The above example is employed to describe the design of trainable algorithms, the interpretation of the algorithms after training, and the performance evaluation, and we provide the essence of integrating BP and deep learning (DL) to design a practical signal detection algorithm. | |
| キーワード | （和） | 信念伝搬法 / 深層学習 / 大規模MIMO検出 / 深層展開 / データ駆動型チューニング / / / |
| （英） | belief propagation / deep learning / large MIMO detection / deep unfolding / data-driven tuning / / / | |
| 文献情報 | 信学技報, vol. 121, no. 327, IT2021-80, pp. 289-294, 2022年1月. | |
| 資料番号 | IT2021-80 | |
| 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 | IT2021-80 SIP2021-88 RCS2021-248 |
|
| 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 | IT |
| 会議コード | 2022-01-RCS-SIP-IT |
| 本文の言語 | 日本語 |
| タイトル（和） | 大規模マルチユーザMIMO検出のための信念伝搬法と深層学習の融合 |
| サブタイトル（和） | |
| タイトル（英） | Deep Learning-Aided Belief Propagation for Large Multiuser MIMO Detection |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 信念伝搬法 / belief propagation |
| キーワード(2)（和/英） | 深層学習 / deep learning |
| キーワード(3)（和/英） | 大規模MIMO検出 / large MIMO detection |
| キーワード(4)（和/英） | 深層展開 / deep unfolding |
| キーワード(5)（和/英） | データ駆動型チューニング / data-driven tuning |
| 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） | 高橋 拓海 / Takumi Takahashi / タカハシ タクミ |
| 第1著者 所属（和/英） | 大阪大学 (略称： 阪大) Osaka University (略称： Osaka Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 衣斐 信介 / Shinsuke Ibi / イビ シンスケ |
| 第2著者 所属（和/英） | 同志社大学 (略称： 同志社大) Doshisha University (略称： Doshisha Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 三瓶 政一 / Seiichi Sampei / サンペイ セイイチ |
| 第3著者 所属（和/英） | 大阪大学 (略称： 阪大) Osaka University (略称： Osaka Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-01-21 15:00:00 |
| 発表時間 | 50分 |
| 申込先研究会 | IT |
| 資料番号 | IT2021-80, SIP2021-88, RCS2021-248 |
| 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.289-294 |
| ページ数 | 6 |
| 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]