| 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 | 2024-01-19 15:25 ［依頼講演］矩形マップデータを用いたCNNによる電波伝搬モデル ○長尾竜也・林 高弘（KDDI総合研究所）  AP2023-184 |
|
| 抄録 | （和） | 近年，サイトスペシフィックな電波伝搬特性のモデリング技術として，環境情報を特徴量とした機械学習を用いた手法が提案されている．特に，送受信点周辺のマップデータを抽出し，畳み込みニューラルネットワーク(CNN)への入力データとする手法が検討されているが，CNNは構造上固定サイズのデータを入力する必要があり，送受信間距離やマップデータの抽出方法によって環境情報の重複や欠損による精度劣化が懸念される．この課題に対処するため，筆者は再帰的ニューラルネットワーク(RNN)により，可変サイズのマップデータの入力を可能とするモデリング手法を提案し，精度改善を示した．しかし，RNNは系列データを逐次的に入力し特徴ベクトルを更新する手法であるため，学習および推定に要する時間が大幅に増加してしまう．また，マップデータをRNNへ入力する際に，ベクトルデータへ変換する必要があるため，空間的な情報が失われてしまう課題がある．そこで本稿では，送受信点およびその間の環境情報を矩形マップデータとして抽出，CNNへ入力することで電波伝搬モデルを構築する手法を提案する．本手法により，RNNベースの手法と比べて，モデリング精度の劣化を抑えつつ高速化が期待できる．都市部で取得した2.1 GHz帯の実測データを用いた評価により，提案手法の有効性を示す． |
| （英） | Recently, machine learning-based methods using environmental information as features have been proposed to model site-specific radio propagation characteristics. In particular, the convolutional neural network (CNN) -based techniques have been considered for extracting map data around the Tx/Rx points and using it as input data. CNN requires a fixed-size data input due to its structure, and there are concerns about accuracy degradation due to duplication or missing environmental information depending on the distance between the Tx and Rx and the map data extraction method. To address this issue, the author proposed a modeling method that uses the recurrent neural network (RNN) to allow input of variable-size map data and showed improved accuracy. However, RNN is a method of sequentially inputting series data and updating feature vectors, which increases the time required for training and prediction. In addition, when input to an RNN, map data must be converted to vector data, resulting in the loss of spatial information. In this paper, we propose CNN-based modeling using rectangular environment map data. Finally, we clarify the effectiveness of the proposed method by evaluation using measurement data in an urban area. | |
| キーワード | （和） | 電波伝搬推定 / 機械学習 / 畳み込みニューラルネットワーク(CNN) / / / / / |
| （英） | Radio Propagation Prediction / Machine Learning / Convolutional Nerural Network / / / / / | |
| 文献情報 | 信学技報, vol. 123, no. 336, AP2023-184, pp. 126-130, 2024年1月. | |
| 資料番号 | AP2023-184 | |
| 発行日 | 2024-01-10 (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 | AP2023-184 |
|
| 研究会情報 | |
| 研究会 | AP WPT |
| 開催期間 | 2024-01-17 - 2024-01-19 |
| 開催地（和） | 新潟大学駅南キャンパスときめいと |
| 開催地（英） | Tokimate, Niigata University |
| テーマ（和） | 電波伝搬・無線電力伝送・一般 |
| テーマ（英） | Radio propagation, Wireless transmission technology, Antennas and Propagation |
| 講演論文情報の詳細 | |
| 申込み研究会 | AP |
| 会議コード | 2024-01-AP-WPT |
| 本文の言語 | 日本語 |
| タイトル（和） | 矩形マップデータを用いたCNNによる電波伝搬モデル |
| サブタイトル（和） | |
| タイトル（英） | Radio Propagation Modeling Using CNN with Rectangular Map Data |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 電波伝搬推定 / Radio Propagation Prediction |
| キーワード(2)（和/英） | 機械学習 / Machine Learning |
| キーワード(3)（和/英） | 畳み込みニューラルネットワーク(CNN) / Convolutional Nerural Network |
| 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） | 長尾 竜也 / Tatsuya Nagao / ナガオ タツヤ |
| 第1著者 所属（和/英） | KDDI総合研究所 (略称： KDDI総合研究所) KDDI Research, Inc. (略称： KDDI Research, Inc.) |
| 第2著者 氏名（和/英/ヨミ） | 林 高弘 / Takahiro Hayashi / ハヤシ タカヒロ |
| 第2著者 所属（和/英） | KDDI総合研究所 (略称： KDDI総合研究所) KDDI Research, Inc. (略称： KDDI Research, Inc.) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-01-19 15:25:00 |
| 発表時間 | 25分 |
| 申込先研究会 | AP |
| 資料番号 | AP2023-184 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.336 |
| ページ範囲 | pp.126-130 |
| ページ数 | 5 |
| 発行日 | 2024-01-10 (AP) |
[研究会発表申込システムのトップページに戻る]