| 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 | 2023-08-31 10:55 FDD Massive MIMOにおけるマルチタスク CSI フィードバック法のソースデータ及び復号器に関する一検討 ○井上真悠子・大槻知明（慶大）  RCS2023-102 |
|
| 抄録 | （和） | 周波数分割複信(FDD)方式の Massive MIMO (Massive Multiple-Input Multiple-Output) では，基地局(BS) で下りリンクの通信路状態情報 (CSI)を得る必要がある.これまでに，深層転移学習 (DTL)とマルチタスク学習 を組み合わせたマルチタスク CSI フィードバック法が提案されている.この方法では，異なる無線通信環境での CSI を均等に混ぜたデーセット (ソースデータ)でオートエンコーダを学習する.その後，ターゲットチャネルでの少数 の CSI データセット (ターゲットデータ)を用いて，BS のデコーダのみファインチューニングする.このようにす ることで，ユーザ端末 (UE)のエンコーダ配置によるストレージ使用量を低く抑えることができる.本稿では，マ ルチタスク CSI フィードバック法において，ソースデータで用いる各無線通信環境の CSI 混合比率を変えた場合の CSI 復元精度を評価した.評価対象の無線通信環境は，CDL (Clusterd Delay Line) チャネルモデルであり，CDL-A か ら CDL-E の 5 種類で構成される.シミュレーション結果から，異なる 5 種類の CDL チャネルの CSI を均等に混ぜる 従来の方法よりも，どの CDL チャネルにおいても良い CSI 復元精度を達成できる混ぜ方を確認した.具体的には， CDL-A:CDL-B:CDL-C:CDL-D:CDL-E = 3:3:2:1:1 の混ぜ方の場合に，高い CSI 復元精度を達成できた |
| （英） | In frequency-division duplex (FDD) massive multiple-input multiple-output (MIMO) systems, it is necessary to obtain downlink Channel State Information (CSI) at the base station (BS). Previously, a downlink CSI feedback method combining deep transfer learning (DTL) and multi-task learning has been proposed. In this method, an autoencoder is trained with an equal mixture of CSI datasets from different channel environments (source data). Then, only the decoder at the BS is fine-tuned using a small number of CSI datasets from the target channel environment (target data). This approach lowers the storage usage due to encoder placement in the user equipment (UE). In this research, we evaluated the CSI reconstruction performance in the multi-task CSI feedback method by changing mixing ratios of CSI for different channel environments in the source data. The evaluated channel environment is the CDL (Clustered Delay Line) channel model, consisting of five types: CDL-A through CDL-E. From the simulation results, we confirmed that there is a mixing method that achieves better CSI reconstruction accuracy in each CDL channel than the conventional method of equally mixing CSI datasets from the five different CDL channels. Specifically, when using a mixing ratio of CDL-A:CDL-B:CDL-C:CDL-D:CDL-E = 3:3:2:1:1, high CSI reconstruction accuracy was achieved. | |
| キーワード | （和） | CSI フィードバック / DTL / マルチタスク学習 / / / / / |
| （英） | CSI Feedback / Deep Transfer Learning / multi-task learning / / / / / | |
| 文献情報 | 信学技報, vol. 123, no. 172, RCS2023-102, pp. 5-8, 2023年8月. | |
| 資料番号 | RCS2023-102 | |
| 発行日 | 2023-08-24 (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 | RCS2023-102 |
|
| 研究会情報 | |
| 研究会 | RCS SAT |
| 開催期間 | 2023-08-31 - 2023-09-01 |
| 開催地（和） | JA長野県ビル + オンライン開催 |
| 開催地（英） | Naganoken Nokyo Building, and online |
| 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） | Satellite Communications, Broadcasting, Forward Error Correction, Wireless Communications, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | RCS |
| 会議コード | 2023-08-RCS-SAT |
| 本文の言語 | 日本語 |
| タイトル（和） | FDD Massive MIMOにおけるマルチタスク CSI フィードバック法のソースデータ及び復号器に関する一検討 |
| サブタイトル（和） | |
| タイトル（英） | A study on source data and decoder of multitask CSI feedback method in FDD Massive MIMO |
| サブタイトル（英） | |
| キーワード(1)（和/英） | CSI フィードバック / CSI Feedback |
| キーワード(2)（和/英） | DTL / Deep Transfer Learning |
| キーワード(3)（和/英） | マルチタスク学習 / multi-task learning |
| 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） | 井上 真悠子 / Mayuko Inoue / |
| 第1著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 大槻 知明 / Tomoaki Ohtsuki / |
| 第2著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-08-31 10:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | RCS |
| 資料番号 | RCS2023-102 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.172 |
| ページ範囲 | pp.5-8 |
| ページ数 | 4 |
| 発行日 | 2023-08-24 (RCS) |
[研究会発表申込システムのトップページに戻る]