| 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 | 2022-03-04 09:55 Low-overhead Beam and Power Allocation Using Deep Learning for mmWave Networks ○Yuwen Cao・Tomoaki Ohtsuki（Keio Univ.）  RCS2021-284 |
|
| 抄録 | （和） | (まだ登録されていません) |
| （英） | In this report, we develop a novel deep learning (DL)-based hybrid beam and power allocation approach for multiuser millimeter-wave (mmWave) networks for facilitating a fast beamforming at the base station (BS). Notably, the challenge involved in mmWave networks lies in that: (i) user mobility, as well as frequent beam reselections, render degraded mmWave communication performance in terms of reliability and throughput; (ii) users who are geographically co-located together may render serve beam conflicts thus deteriorating mmWave communication performance; (iii) existing DL-based methods predict the beamforming matrix that in fact can not be well-suited to the underlying channel distribution as the beamforming dimension at BS is large. Motivated by this, we investigate low-overhead beam and power allocation by using the DL technology. To this end, we first develop a novel beam-quality prediction model to predict the high-resolution beam energy images by exploiting the DL and super-resolution technologies. Afterward, we develop a DL-based beam and power allocation approach which enables high allocation accuracy with only a portion of $s$ time-sequential low-resolution beam images. Simulation results show that our proposed approach guarantees sub-optimal throughput performance with low-overhead in relative to the counterpart approaches. | |
| キーワード | （和） | / / / / / / / |
| （英） | Deep learning / beam and power allocation / multiuser mmWave networks / super-resolution / low-overhead / / / | |
| 文献情報 | 信学技報, vol. 121, no. 391, RCS2021-284, pp. 159-163, 2022年3月. | |
| 資料番号 | RCS2021-284 | |
| 発行日 | 2022-02-23 (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 | RCS2021-284 |
|
| 研究会情報 | |
| 研究会 | RCS SR SRW |
| 開催期間 | 2022-03-02 - 2022-03-04 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 移動通信ワークショップ |
| テーマ（英） | Mobile Communication Workshop |
| 講演論文情報の詳細 | |
| 申込み研究会 | RCS |
| 会議コード | 2022-03-RCS-SR-SRW |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Low-overhead Beam and Power Allocation Using Deep Learning for mmWave Networks |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / Deep learning |
| キーワード(2)（和/英） | / beam and power allocation |
| キーワード(3)（和/英） | / multiuser mmWave networks |
| キーワード(4)（和/英） | / super-resolution |
| キーワード(5)（和/英） | / low-overhead |
| 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） | 曹 誉文 / Yuwen Cao / ソウ ヨブン |
| 第1著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 大槻 知明 / Tomoaki Ohtsuki / |
| 第2著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 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 | 2022-03-04 09:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | RCS |
| 資料番号 | RCS2021-284 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.391 |
| ページ範囲 | pp.159-163 |
| ページ数 | 5 |
| 発行日 | 2022-02-23 (RCS) |
[研究会発表申込システムのトップページに戻る]