講演抄録/キーワード |
講演名 |
2024-03-15 10:25
狭帯域IoT通信システム設計のための地理的条件を考慮した伝搬特性推定手法に関する検討 ○池亀旅人・池田直希・今井元就・井家上哲史(明大)・高井峰生(阪大)・石原 進(静岡大)・加藤新良太・梶田宗吾(スペースタイムエンジニアリング) AP2023-212 |
抄録 |
(和) |
大規模災害発生等で既存通信インフラが利用できないとき,複数の災害対応組織が効率的に情報収集,共有,分析し,意思決定を行うためのデジタル自営無線網実現技術として,VHF-High帯を利用した多用途可変域型IoT通信システムDiversified-Range IoT(DR-IoT)が検討されている.このシステムでは,無線機の地理的配置とトポロジに応じて出力を適切に調整し干渉を抑制することを想定しており,そのためには使用するVHF-High帯の伝搬特性の推定・把握が必要である.本稿では,フィールド実験による実測データを基として,無線機の地理的配置を利用した置局設計のための畳み込みニューラルネットワーク(CNN)による伝搬特性の推定手法について議論する.山岳地形における伝搬特性の把握に有効な伝搬モデルITM(Longley-Rice)および空間情報をCNNの入力マップデータとして用いて学習を行うことで,複雑な地理的条件を考慮した伝搬特性推定を可能とする. |
(英) |
A versatile variable-range IoT communication system using the VHF-High band, Diversified-Range IoT (DR-IoT) is being considered as an enabling technology for digital self-managed radio networks to enable multiple disaster response organizations to efficiently collect, share, analyze information and make decisions when the existing communication infrastructure is not available due to a large-scale disaster. In DR-IoT system, it is assumed that interference can be suppressed if the output power is appropriately adjusted according to the geographic location and topology of the radios, which requires estimation and understanding of the path loss characteristics of the VHF-High band to be used. This paper discusses path loss characteristics estimation methods using a convolutional neural network (CNN) for designing stations using geographic placement of radios, based on outdoor measured data from field experiments. The propagation model ITM (Longley-Rice), which is considered effective for understanding path loss characteristics in mountainous terrain, and spatial information are used as input map data for the CNN to learn. The input map data enables the estimation of path loss characteristics considering complex geographical conditions. |
キーワード |
(和) |
DR-IoT / 災害対応 / ITM (Longley-Rice) / 深層学習 / Convolutional Neural Network (CNN) / / / |
(英) |
DR-IoT / Disaster response / ITM (Longley-Rice) / Deep learning / Convolutional Neural Network (CNN) / / / |
文献情報 |
信学技報, vol. 123, no. 441, AP2023-212, pp. 63-67, 2024年3月. |
資料番号 |
AP2023-212 |
発行日 |
2024-03-07 (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 |
AP2023-212 |