| 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 | 2023-01-25 11:30 有相関大規模MIMOでのBiGaBPによるデータ・チャネル同時推定における深層展開の応用 ○槇 鴻一・井家上哲史（明大）  IT2022-54 SIP2022-105 RCS2022-233 |
|
| 抄録 | （和） | 本稿では，大規模マルチユーザ MIMO（Multi-Input Multi-Output）における通信路とデータの繰り返し同 時推定（JCDE: Joint Channel and Data Estimation）手法として知られる BiGaBP（Bilinear Gaussian Belief Propagation） に深層展開（DU:Deep Unfolding）を応用した学習最適化を行うことで，有相関フェージング環境下での性能劣化の改 善を検討する．JCDE をはじめとしたパラメトリック双線形推論を確率伝搬法に基づきベイズ推論的に解く試みは， PBiGAMP（Parametric Bilinear Generalized Approximate Message Passing）および BiGaBP により十分低演算量で達成 されている．特に BiGaBP は大システム極限近似への依存度が PBiGAMP と比べ低くその有効性が確認されているが， いずれも平均ゼロの独立同分布に従う大規模な観測を前提に導出されているため，フェージング空間相関下での性能 劣化は免れない．そこで本稿では，従来手法において人為的に設計されていた 3 種類のスケーリングパラメータおよ びダンピングパラメータを学習可能パラメータとして設定し，データ駆動型チューニングを行うことで有相関環境下 でのエラーフロア改善を図った．また，信号流グラフから理論的に導出した繰り返し誤差逆伝搬アルゴリズムに基づ きフルスクラッチでの計算機シミュレーションを行うことで，ビット誤り率特性の観点から本提案の有効性を示すと 同時に，DU の透明性向上を図った． |
| （英） | The study aims to suppress the performance degradation in a correlated fading environment by applying deep unfolding (DU) to BiGaBP (Bilinear Gaussian Belief Propagation), which is known as a JCDE (Joint Channel and Data Estimation) method. The attempts to solve parametric bilinear inference such as JCDE in a Bayesian inferential manner based on belief propagation have been achieved with sufficiently low computational complexity using PBiGAMP (Parametric Bilinear Generalized Approximate Message Passing) and BiGaBP. In particular, BiGaBP has been confirmed to be effective because its dependence on the large-system limit approximation is lower than that of PBiGAMP. However, both methods are derived based on the assumption of large-scale observations following an independent homogeneous distribution with mean zero, so performance degradation under fading spatial correlation cannot be avoided. In this paper, we set the three scaling and damping parameters, which have been artificially designed in conventional methods, as trainable parameters, and performed data-driven tuning to improve the error floor in a correlated environment. In addition, computer simulations based on the iterative error back propagation algorithm theoretically derived from the signal flow graph were performed to demonstrate the effectiveness of the proposal in terms of bit error rate characteristics and to improve the transparency of the DU. | |
| キーワード | （和） | 有相関大規模MIMO検出 / BiGaBP / 同時推定 / 深層展開 / / / / |
| （英） | Correlated large MIMO detection / BiGaBP / JCDE / deep unfolding / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 357, RCS2022-233, pp. 142-147, 2023年1月. | |
| 資料番号 | RCS2022-233 | |
| 発行日 | 2023-01-17 (IT, SIP, 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 | IT2022-54 SIP2022-105 RCS2022-233 |
|
| 研究会情報 | |
| 研究会 | IT RCS SIP |
| 開催期間 | 2023-01-24 - 2023-01-25 |
| 開催地（和） | 前橋テルサ |
| 開催地（英） | Maebashi Terrsa |
| テーマ（和） | 無線通信のための信号処理，学習，数理，情報理論および一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | RCS |
| 会議コード | 2023-01-IT-RCS-SIP |
| 本文の言語 | 日本語 |
| タイトル（和） | 有相関大規模MIMOでのBiGaBPによるデータ・チャネル同時推定における深層展開の応用 |
| サブタイトル（和） | |
| タイトル（英） | Channel and Data Estimation via Deep Unfolding-Aided BiGaBP for Correlated Large MIMO |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 有相関大規模MIMO検出 / Correlated large MIMO detection |
| キーワード(2)（和/英） | BiGaBP / BiGaBP |
| キーワード(3)（和/英） | 同時推定 / JCDE |
| キーワード(4)（和/英） | 深層展開 / deep unfolding |
| 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） | 槇 鴻一 / Koichi Maki / マキ コウイチ |
| 第1著者 所属（和/英） | 明治大学 (略称： 明大) Meiji University (略称： Meiji Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 井家上 哲史 / Tetsushi Ikegami / イケガミ テツシ |
| 第2著者 所属（和/英） | 明治大学 (略称： 明大) Meiji University (略称： Meiji Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-01-25 11:30:00 |
| 発表時間 | 25分 |
| 申込先研究会 | RCS |
| 資料番号 | IT2022-54, SIP2022-105, RCS2022-233 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.355(IT), no.356(SIP), no.357(RCS) |
| ページ範囲 | pp.142-147 |
| ページ数 | 6 |
| 発行日 | 2023-01-17 (IT, SIP, RCS) |
[研究会発表申込システムのトップページに戻る]