講演抄録/キーワード |
講演名 |
2022-07-13 14:55
SVD-MIMOにおける機械学習を用いた送信ウェイト行列劣化補償手法の検討 ○牧野仁宣・中川孝之・居相直彦(NHK) RCS2022-73 |
抄録 |
(和) |
ロードレースなどの移動中継に用いられる無線伝送装置 (FPU) の次世代機の研究開発として,singular value decomposition (SVD)-multiple-input multiple-output (MIMO) 方式の検討・評価を進めている.SVD-MIMOは,送受信のウェイト行列を使用して伝送する方式である.実運用上,送信ウェイト行列は制御遅延や量子化といった劣化を受け,伝送性能の劣化につながっていた.本稿では,劣化を受けた送信ウェイト行列を入力,受ける前の理想的な送信ウェイト行列の各要素を出力とする回帰問題と定義し,劣化を補償する方式を提案する.特に実機実装を想定し,簡単な機械学習の回帰手法であるsupport vector regressionによる補償を提案する.更に学習データの作成手法と,補償後を含む理想と乖離した送信ウェイト行列での伝送性能を表す簡易指標を併せて提案する.簡易指標評価により,提案法の中でアンテナ間の相関によらず高い補償性能が見込まれるデータ数などの学習条件を選定した.さらに,当該条件に対して計算機シミュレーションを実施し,伝送性能の向上を確認したため報告する. |
(英) |
This paper proposes a compensation method for the actual transmission weight matrix of singular value decomposition (SVD)-multiple-input multiple-output (MIMO) systems using machine learning. Though the transmission weight matrix is an important factor for SVD-MIMO, the matrix is deteriorated by a lot of factors for the actual transmission. This paper defines deterioration compensation as a regression problem that solves the parameters of the ideal transmission weight matrix from the matrix deteriorated. This paper proposes a solution method using support vector regression as a simple machine learning method, a creation method for learning data, and simple channel metrics. The compensation performance of the conditions selected by simple channel metrics is evaluated by computer simulation. |
キーワード |
(和) |
SVD-MIMO / 機械学習 / 回帰問題 / SVR / FPU / / / |
(英) |
SVD-MIMO / Machine learning / Regression problem / SVR / Wireless links / / / |
文献情報 |
信学技報, vol. 122, no. 106, RCS2022-73, pp. 26-31, 2022年7月. |
資料番号 |
RCS2022-73 |
発行日 |
2022-07-06 (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 |
RCS2022-73 |
研究会情報 |
研究会 |
NS SR RCS SeMI RCC |
開催期間 |
2022-07-13 - 2022-07-15 |
開催地(和) |
金沢歌劇座 + オンライン開催 |
開催地(英) |
The Kanazawa Theatre + Online |
テーマ(和) |
無線分散ネットワーク,M2M(Machine-to-Machine),D2D(Device-to-Device),一般 |
テーマ(英) |
Distributed Wireless Network, M2M (Machine-to-Machine),D2D (Device-to-Device),IoT(Internet of Things), etc |
講演論文情報の詳細 |
申込み研究会 |
RCS |
会議コード |
2022-07-NS-SR-RCS-SeMI-RCC |
本文の言語 |
日本語 |
タイトル(和) |
SVD-MIMOにおける機械学習を用いた送信ウェイト行列劣化補償手法の検討 |
サブタイトル(和) |
|
タイトル(英) |
Compensation method for transmission weight matrix of SVD-MIMO using machine learning |
サブタイトル(英) |
|
キーワード(1)(和/英) |
SVD-MIMO / SVD-MIMO |
キーワード(2)(和/英) |
機械学習 / Machine learning |
キーワード(3)(和/英) |
回帰問題 / Regression problem |
キーワード(4)(和/英) |
SVR / SVR |
キーワード(5)(和/英) |
FPU / Wireless links |
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) |
牧野 仁宣 / Kiminobu Makino / マキノ キミノブ |
第1著者 所属(和/英) |
日本放送協会 (略称: NHK)
Japan Broadcasting Corporation (略称: NHK) |
第2著者 氏名(和/英/ヨミ) |
中川 孝之 / Takayuki Nakagawa / ナカガワ タカユキ |
第2著者 所属(和/英) |
日本放送協会 (略称: NHK)
Japan Broadcasting Corporation (略称: NHK) |
第3著者 氏名(和/英/ヨミ) |
居相 直彦 / Naohiko Iai / イアイ ナオヒコ |
第3著者 所属(和/英) |
日本放送協会 (略称: NHK)
Japan Broadcasting Corporation (略称: NHK) |
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: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2022-07-13 14:55:00 |
発表時間 |
25分 |
申込先研究会 |
RCS |
資料番号 |
RCS2022-73 |
巻番号(vol) |
vol.122 |
号番号(no) |
no.106 |
ページ範囲 |
pp.26-31 |
ページ数 |
6 |
発行日 |
2022-07-06 (RCS) |