講演抄録/キーワード |
講演名 |
2023-02-16 13:50
[依頼講演]周波数特性を考慮した側面画像による深層学習伝搬損失推定モデル ○久野伸晃・猪又 稔・佐々木元晴・山田 渉(NTT) AP2022-216 |
抄録 |
(和) |
複雑な関数形の導出を必要とせず,任意の非線形関数への回帰が可能な深層学習を活用した伝搬損失推定モデルを検討してきた.このうち,市街地マクロセル(UMa)環境に対する伝搬損失推定において,送受信局間の建物における屋根越え伝搬が支配的になることに着目し,Tx-Rx 直線上の建物を側面画像として新たに定義したモデルを提案した.本稿では,その側面画像による周波数特性の考慮に着目,受信局周辺の建物の俯瞰画像を用いた従来モデルと比較評価した.測定データを用いたRMS 誤差検証において,従来モデルでは9.8 dB の推定誤差に対し提案モデルは4.4 dB であった. |
(英) |
We have investigated the path loss prediction model based on deep learning that does not require the derivation of complex functional forms and allows regression to arbitrary nonlinear functions. Then, focusing on the fact that the path loss estimation for urban macrocell (UMa) environment is dominated by the propagation over roof in the building between transmitting and receiving stations, we propose a new model that defines the building on the Tx-Rx straight line as the side-view image. In this paper, we focus on the consideration of the frequency characteristics by the side-view image, and compare it with the conventional model using the top-view image of the building around the receiving station. In RMS error verification using measured data, the proposed model has an estimation error of 4.4 dB compared to 9.8 dB in the conventional model. |
キーワード |
(和) |
電波伝搬 / 深層学習 / 伝搬損失 / / / / / |
(英) |
Radio propagation / Deep learning / Path loss / / / / / |
文献情報 |
信学技報, vol. 122, no. 378, AP2022-216, pp. 106-110, 2023年2月. |
資料番号 |
AP2022-216 |
発行日 |
2023-02-08 (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 |
AP2022-216 |
研究会情報 |
研究会 |
AP |
開催期間 |
2023-02-15 - 2023-02-17 |
開催地(和) |
東北大学 青葉山キャンパス |
開催地(英) |
Tohoku University, Aobayama Campus |
テーマ(和) |
企業特集,一般 |
テーマ(英) |
Industrial Session, Antennas and Propagation |
講演論文情報の詳細 |
申込み研究会 |
AP |
会議コード |
2023-02-AP |
本文の言語 |
日本語 |
タイトル(和) |
周波数特性を考慮した側面画像による深層学習伝搬損失推定モデル |
サブタイトル(和) |
|
タイトル(英) |
Deep-Learning Path Loss Prediction Model Using Side-View Images Considering Frequency Characteristics |
サブタイトル(英) |
|
キーワード(1)(和/英) |
電波伝搬 / Radio propagation |
キーワード(2)(和/英) |
深層学習 / Deep learning |
キーワード(3)(和/英) |
伝搬損失 / Path loss |
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) |
久野 伸晃 / Nobuaki Kuno / クノ ノブアキ |
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) |
猪又 稔 / Minoru Inomata / イノマタ ミノル |
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) |
佐々木 元晴 / Motoharu Sasaki / ササキ モトハル |
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) |
山田 渉 / Wataru Yamada / ヤマダ ワタル |
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) |
/ / |
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 |
2023-02-16 13:50:00 |
発表時間 |
25分 |
申込先研究会 |
AP |
資料番号 |
AP2022-216 |
巻番号(vol) |
vol.122 |
号番号(no) |
no.378 |
ページ範囲 |
pp.106-110 |
ページ数 |
5 |
発行日 |
2023-02-08 (AP) |