| 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 | 2022-08-25 15:50 ［奨励講演］衛星通信システムへの機械学習適用検討 ○高木 学・能田康義・半谷政毅・野田雅樹（三菱電機）  SAT2022-35 |
|
| 抄録 | （和） | 衛星搭載機器のデジタライゼーションの流れは衛星システムにも大きな影響を与えつつあり，近年ではSoftware Defined Satelliteなどの衛星搭載通信ミッションをデジタル化した衛星が登場している．これらのデジタル化と相性が良いのが機械学習であり，衛星システムの一部無線処理を機械学習ベースで構築しておくことで，さらなるフレキシビリティ向上が可能である．衛星システムへの機械学習の活用例として，パイロット信号を必要としないブラインド型中心周波数推定方式と衛星測位信号の多重化方式の2つの技術について報告する． 中心周波数推定方式は，一つの変調方式だけで評価すると推定成功率は従来方式に満たないが，変調方式によらずに90 %以上の性能を確保できることを確認した．これは，周波数推定/補正方式を機械学習で構築することで，システムに寄らない汎用受信衛星を実現できる可能性を示している． 信号多重方式は，従来方式と比較しても性能，柔軟性ともに上回っていることを確認した．特に衛星システムの運用シナリオの変更により信号多重数が増加した場合でも，POCET方式では従来の最適化方法では最大約85%の信号劣化が発生するのに対して，提案方式では最大16%の信号劣化に抑えられることを確認した． |
| （英） | Digitization of satellite payloads is a big trend. One example is a satellite with a fully digitized onboard processor called the Software Defined Satellite. Machine learning is compatible with these digitized on-board processing, and by constructing the digital signal processing of satellite systems based on machine learning, it is possible to further improve flexibility. As examples of machine learning for satellite systems, we proposed two methods. First, the blind center frequency estimation method that does not require a pilot signal. Second, the signal multiplexing for navigation signals. It was confirmed that the blind center frequency estimation of machine learning has a performance of 90% or more regardless of the modulation method. It was confirmed that the machine learning based signal multiplexing is superior in both performance and flexibility to the POCET method. When the number of signal multiplex increases due to a change in the operation scenario of the satellite system, the POCET method has been found to cause up to about 85% signal degradation, while the proposed method causes up to 16% signal degradation. |
|
| キーワード | （和） | 衛星通信 / 周波数推定 / 測位信号 / 信号多重 / 機械学習 / / / |
| （英） | Satellite Communications / Frequency Estimation / Navigation Signal / Signal Multiplexing / Machine Learning / / / | |
| 文献情報 | 信学技報, vol. 122, no. 163, SAT2022-35, pp. 36-41, 2022年8月. | |
| 資料番号 | SAT2022-35 | |
| 発行日 | 2022-08-18 (SAT) | |
| 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 | SAT2022-35 |
|
| 研究会情報 | |
| 研究会 | SAT RCS |
| 開催期間 | 2022-08-25 - 2022-08-26 |
| 開催地（和） | 函館市亀田交流プラザ |
| 開催地（英） | |
| テーマ（和） | 移動衛星通信，放送，誤り訂正，無線通信一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SAT |
| 会議コード | 2022-08-SAT-RCS |
| 本文の言語 | 日本語 |
| タイトル（和） | 衛星通信システムへの機械学習適用検討 |
| サブタイトル（和） | |
| タイトル（英） | Machine Learning Based Digital Signal Processing for Satellite Communication Systems |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 衛星通信 / Satellite Communications |
| キーワード(2)（和/英） | 周波数推定 / Frequency Estimation |
| キーワード(3)（和/英） | 測位信号 / Navigation Signal |
| キーワード(4)（和/英） | 信号多重 / Signal Multiplexing |
| キーワード(5)（和/英） | 機械学習 / Machine Learning |
| 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） | 高木 学 / Manabu Takagi / タカギ マナブ |
| 第1著者 所属（和/英） | 三菱電機株式会社 (略称： 三菱電機) Mitsubishi Electric Corporation (略称： Mitsubishi Electric Corp.) |
| 第2著者 氏名（和/英/ヨミ） | 能田 康義 / Yasunori Noda / ノウダ ヤスヒロ |
| 第2著者 所属（和/英） | 三菱電機株式会社 (略称： 三菱電機) Mitsubishi Electric Corporation (略称： Mitsubishi Electric Corp.) |
| 第3著者 氏名（和/英/ヨミ） | 半谷 政毅 / Masatake Hangai / ハンガイ マサタケ |
| 第3著者 所属（和/英） | 三菱電機株式会社 (略称： 三菱電機) Mitsubishi Electric Corporation (略称： Mitsubishi Electric Corp.) |
| 第4著者 氏名（和/英/ヨミ） | 野田 雅樹 / Masaki Noda / ノダ マサキ |
| 第4著者 所属（和/英） | 三菱電機株式会社 (略称： 三菱電機) Mitsubishi Electric Corporation (略称： Mitsubishi Electric Corp.) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-08-25 15:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SAT |
| 資料番号 | SAT2022-35 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.163 |
| ページ範囲 | pp.36-41 |
| ページ数 | 6 |
| 発行日 | 2022-08-18 (SAT) |
[研究会発表申込システムのトップページに戻る]