| 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 | 2022-05-13 10:45 ［ショートペーパー］等間隔円形配列アレーアンテナを用いた深層学習に基づく到来方向推定手法の実機実証 ○大辻太一・宮本勝男（NEC）  SR2022-13 |
|
| 抄録 | （和） | 到来方向推定に深層学習を適用する方法が注目されており，非学習手法と比較して，限定的ではあるもののその優位性が示されている．これまでの検討では，計算機上で模擬的に生成した教師データでモデルを学習しているが，実環境で取得したデータを用いた評価は行われていない．そこで本稿では，深層学習に基づく到来方向推定手法を実測データで評価することを目的とし，等間隔円形アレーアンテナを用いた実機評価系を構築する．420MHz帯の実測データを用いて学習させたモデルを用いて実機評価を行ったのでその結果を報告する． |
| （英） | Direction-of-arrival (DOA) estimation methods based on deep learning have attracted attention, and they have shown some advantages over non-training methods. In previous studies, models have been trained on simulated training data generated on a computer, but no evaluation using data acquired in a real environment has been conducted. In this paper, we construct an experimental system using a uniform circular array antenna to verify the DOA estimation method based on deep learning with measured data. This paper demonstrates the effectiveness of deep-learning method by evaluating the experimantal system using models trained on measured data in the 420 MHz band. | |
| キーワード | （和） | 到来方向推定 / 深層学習 / 等間隔円形配列アレー / / / / / |
| （英） | DOA estimation / deep learning / uniform circular array (UCA) / / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 12, SR2022-13, pp. 58-60, 2022年5月. | |
| 資料番号 | SR2022-13 | |
| 発行日 | 2022-05-04 (SR) | |
| 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 | SR2022-13 |
|
| 研究会情報 | |
| 研究会 | SR |
| 開催期間 | 2022-05-11 - 2022-05-13 |
| 開催地（和） | NICT本部(小金井) |
| 開催地（英） | NICT Koganei |
| テーマ（和） | ソフトウェア無線、AI/機械学習応用、量子計算の通信応用、一般 |
| テーマ（英） | Software Defined Radio, AI/Machine Learning, Quantum-assisted wireless communications, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SR |
| 会議コード | 2022-05-SR |
| 本文の言語 | 日本語 |
| タイトル（和） | 等間隔円形配列アレーアンテナを用いた深層学習に基づく到来方向推定手法の実機実証 |
| サブタイトル（和） | |
| タイトル（英） | Demonstration of a direction-of-arrival estimation method based on deep learning using a uniform circular array antenna |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 到来方向推定 / DOA estimation |
| キーワード(2)（和/英） | 深層学習 / deep learning |
| キーワード(3)（和/英） | 等間隔円形配列アレー / uniform circular array (UCA) |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| 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） | 大辻 太一 / Taichi Ohtsuji / オオツジ タイチ |
| 第1著者 所属（和/英） | 日本電気株式会社 (略称： NEC) NEC Corporation (略称： NEC) |
| 第2著者 氏名（和/英/ヨミ） | 宮本 勝男 / Katsuo Miyamoto / ミヤモト カツオ |
| 第2著者 所属（和/英） | 日本電気株式会社 (略称： NEC) NEC Corporation (略称： NEC) |
| 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 | 2022-05-13 10:45:00 |
| 発表時間 | 15分 |
| 申込先研究会 | SR |
| 資料番号 | SR2022-13 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.12 |
| ページ範囲 | pp.58-60 |
| ページ数 | 3 |
| 発行日 | 2022-05-04 (SR) |
[研究会発表申込システムのトップページに戻る]