| 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 | 2024-01-18 11:45 階層型モデルを用いたスパースベイズ学習に基づく大規模MIMO通信路推定に関する一検討 ○古田健悟・高橋拓海・伊藤賢太（阪大）・衣斐信介（同志社大）  IT2023-34 SIP2023-67 RCS2023-209 |
|
| 抄録 | （和） | 大規模MIMO (Multi-Input Multi-Output) の通信路は，角度 (ビーム) 領域において疑似的な疎 (スパース) 性を有することが知られており，その統計的性質を利用することで高精度な通信路推定を実現できることが報告されている．このようなスパース信号の再構成 (SSR: Sparse Signal Recovery) 問題は，幅広い分野で応用される信号処理として圧縮センシング (CS: Compressed Sensing) を中心に検討されており，本稿では特にスパースベイズ学習 (SBL: Sparse Bayes Learning) に基づく手法に着目する．SBLは，ベイズ推論のアプローチでLASSO (Least Absolute Shrinkage and Selection Operator) 回帰を実現するSSRアルゴリズムであり，推定変数の事前分布 (モデルパラメータ) を同時に推定 (学習) することで推定精度を向上させる．本稿では，大規模MIMO通信路推定のための複素領域LASSOに基づく2階層および3階層の階層型ベイズモデルを用いたSBLアルゴリズムを設計し，既存のSSRアルゴリズムとの性能比較を行う．また，異なる複数の通信路モデルで評価を行うことで，アルゴリズムの特性についても検証する． |
| （英） | Massive multi-input multi-output (MIMO) channels are known to have pseudo-sparsity in the angular (beam) domain, and it has been reported that the statistical properties can be used to achieve highly accurate channel estimation.Such a sparse signal recovery (SSR) has been investigated as a signal processing for a wide range of applications, especially in the field of compressed sensing (CS), and this paper focuses on a method based on sparse Bayesian learning (SBL).SBL is a Bayesian SSR algorithm based on least absolute shrinkage and selection operator (LASSO) regression, which improves estimation accuracy by simultaneously estimating (learning) the prior distribution (or its parameters) of the estimated variables.In this paper, we design the SBL algorithm for massive MIMO channel estimation using two- and three-level hierarchical Bayesian models based on complex-domain LASSO modeling, and compare their performance with those of existing SSR algorithms.We also verify the characteristics of the algorithms by evaluating them with different channel models. | |
| キーワード | （和） | 大規模MIMO / 通信路推定 / スパースベイズ学習 / 階層型ベイズモデル / 複素領域LASSO / / / |
| （英） | Massive MIMO / channel estimation / sparse Bayesian learning / hierarchical Bayesian model / complex LASSO / / / | |
| 文献情報 | 信学技報, vol. 123, no. 340, RCS2023-209, pp. 25-30, 2024年1月. | |
| 資料番号 | RCS2023-209 | |
| 発行日 | 2024-01-11 (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 | IT2023-34 SIP2023-67 RCS2023-209 |
|
| 研究会情報 | |
| 研究会 | SIP IT RCS |
| 開催期間 | 2024-01-18 - 2024-01-19 |
| 開催地（和） | 東北大学 青葉記念会館 |
| 開催地（英） | |
| 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 | 2024-01-SIP-IT-RCS |
| 本文の言語 | 日本語 |
| タイトル（和） | 階層型モデルを用いたスパースベイズ学習に基づく大規模MIMO通信路推定に関する一検討 |
| サブタイトル（和） | |
| タイトル（英） | A Study on Massive MIMO Channel Estimation Based on Sparse Bayesian Learning Using Hierarchical Model |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 大規模MIMO / Massive MIMO |
| キーワード(2)（和/英） | 通信路推定 / channel estimation |
| キーワード(3)（和/英） | スパースベイズ学習 / sparse Bayesian learning |
| キーワード(4)（和/英） | 階層型ベイズモデル / hierarchical Bayesian model |
| キーワード(5)（和/英） | 複素領域LASSO / complex LASSO |
| 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） | 古田 健悟 / Kengo Furuta / フルタ ケンゴ |
| 第1著者 所属（和/英） | 大阪大学 (略称： 阪大) Osaka University (略称： Osaka Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 高橋 拓海 / Takumi Takahashi / タカハシ タクミ |
| 第2著者 所属（和/英） | 大阪大学 (略称： 阪大) Osaka University (略称： Osaka Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 伊藤 賢太 / Kenta Ito / イトウ ケンタ |
| 第3著者 所属（和/英） | 大阪大学 (略称： 阪大) Osaka University (略称： Osaka Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 衣斐 信介 / Shinsuke Ibi / イビ シンスケ |
| 第4著者 所属（和/英） | 同志社大学 (略称： 同志社大) Doshisha University (略称： Doshisha Uni.) |
| 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 | 2024-01-18 11:45:00 |
| 発表時間 | 25分 |
| 申込先研究会 | RCS |
| 資料番号 | IT2023-34, SIP2023-67, RCS2023-209 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.338(IT), no.339(SIP), no.340(RCS) |
| ページ範囲 | pp.25-30 |
| ページ数 | 6 |
| 発行日 | 2024-01-11 (IT, SIP, RCS) |
[研究会発表申込システムのトップページに戻る]