| 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 | 2022-07-27 10:15 ［依頼講演］RNNによる環境情報を用いた受信電力予測 ○佐々木元晴・澁谷尚希・河村憲一・久野伸晃・猪又 稔・山田 渉・守山貴庸（NTT）  AP2022-36 |
|
| 抄録 | （和） | 深層学習としてRNN（Recurrent Neural Network）の一つであるGRU（Gated Recurrent Unit）を用いた受信電力の予測手法について報告する．訓練データおよび検証データは神奈川県横須賀市のNTT横須賀通信研究所の屋内環境において測定した5.6GHz帯無線LANのRSSIデータを用いた．入力データとして約0.1秒ごとのRSSIデータ50点に加えて、予測対象位置における送受信間距離および見通し有無の情報を用いて，5秒後のRSSIの中央値を予測した．中央値は50点（約5秒間）のRSSIデータを用いて導出している．提案手法により，検証データに対するRMSE（Root Mean Squared Error）は1.4dBとなり，最新の観測値を用いた予測および直近のRSSIのみを用いた予測に対してそれぞれ1.4dBと0.6dB予測精度を改善した． |
| （英） | We report a method for predicting received power using a GRU (Gated Recurrent Unit), which is one of the RNNs (Recurrent Neural Networks). For the training and validation data, RSSI data of 5.6 GHz band wireless LAN measured in the indoor environment of NTT Yokosuka Communication Laboratory in Yokosuka City, Kanagawa Prefecture was used. As input data, we use the information on the distance between transmitter and receiver, and whether the Line-of-Sight or Non-Line-of-Sight at the predicted target position, in addition to 50 points of RSSI data about every 0.1 seconds. The median value of RSSI after 5 seconds was predicted. The median is derived using RSSI data at 50 points (about 5 seconds). Due to the proposed method, the RMSE (Root Mean Squared Error) for the validation data is 1.4 dB, which is 1.4 dB and 0.6 dB for the prediction using the latest observations and the prediction using only the newest RSSI, respectively. The prediction accuracy has been improved by the proposed model. | |
| キーワード | （和） | 深層学習 / RNN / GRU / 受信電力予測 / Wi-Fi / / / |
| （英） | Deep learning / RNN / GRU / received power prediction / Wi-Fi / / / | |
| 文献情報 | 信学技報, vol. 122, no. 135, AP2022-36, pp. 12-16, 2022年7月. | |
| 資料番号 | AP2022-36 | |
| 発行日 | 2022-07-20 (AP) | |
| 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 | AP2022-36 |
|
| 研究会情報 | |
| 研究会 | AP SANE SAT |
| 開催期間 | 2022-07-27 - 2022-07-29 |
| 開催地（和） | 旭川市大雪クリスタルホール |
| 開催地（英） | Asahikawa Taisetsu Crystal Hall |
| テーマ（和） | リモートセンシング，衛星通信，電波伝搬，一般 |
| テーマ（英） | Remote sensing, Sattelite Communication, Radio propagation, Antennas and Propagation |
| 講演論文情報の詳細 | |
| 申込み研究会 | AP |
| 会議コード | 2022-07-AP-SANE-SAT |
| 本文の言語 | 日本語 |
| タイトル（和） | RNNによる環境情報を用いた受信電力予測 |
| サブタイトル（和） | |
| タイトル（英） | RNN Based Proactive Prediction of Received Power Using Environmental Information |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層学習 / Deep learning |
| キーワード(2)（和/英） | RNN / RNN |
| キーワード(3)（和/英） | GRU / GRU |
| キーワード(4)（和/英） | 受信電力予測 / received power prediction |
| キーワード(5)（和/英） | Wi-Fi / Wi-Fi |
| 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） | 佐々木 元晴 / Motoharu Sasaki / ササキ モトハル |
| 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） | 澁谷 尚希 / Naoki Shibuya / シブヤ ナオキ |
| 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） | 河村 憲一 / Kenichi Kawamura / カワムラ ケンイチ |
| 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） | 久野 伸晃 / Nobuaki Kuno / クノ ノブアキ |
| 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） | 猪又 稔 / Minoru Inomata / イノマタ ミノル |
| 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） | 山田 渉 / Wataru Yamada / ヤマダ ワタル |
| 第6著者 所属（和/英） | NTT (略称： NTT) NTT (略称： NTT) |
| 第7著者 氏名（和/英/ヨミ） | 守山 貴庸 / Takatsune Moriyama / モリヤマ タカツネ |
| 第7著者 所属（和/英） | NTT (略称： NTT) NTT (略称： NTT) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-07-27 10:15:00 |
| 発表時間 | 25分 |
| 申込先研究会 | AP |
| 資料番号 | AP2022-36 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.135 |
| ページ範囲 | pp.12-16 |
| ページ数 | 5 |
| 発行日 | 2022-07-20 (AP) |
[研究会発表申込システムのトップページに戻る]