| 講演抄録／キーワード |
| 講演名 |
2024-11-11 13:20
［ポスター講演］高速フーリエ変換を用いたDeep Joint Source-Channel Codingの実験的評価
○森 智香（阪大）・辰川 弘・川井祐二・篠原義典・池田博樹（マグナ・ワイヤレス）・久野大介（阪大） |
| 抄録 |
（和） |
深層学習を用いて情報源符号化と通信路符号化を統合する情報源-通信路深層結合符号化方式（DeepJSCC）が注目されている．画像伝送用のDeep JSCCには，畳み込みニューラルネットワーク（CNN）を用いた自己符号化器が一般的に使用されるが，使用する端末によっては計算負荷が大きいという課題がある．著者らは，CNN内部の2次元畳み込み層を高速フーリエ変換（FFT）と要素積演算に置き換えたFFT-Deep JSCCを提案してきた．本稿では，市販されているローカル5G基地局と端末を改造し，実際に画像伝送を行い，提案手法の性能と有効性を実証した結果を報告する．
本成果の一部は，国立研究開発法人新エネルギー・産業技術総合開発機構（NEDO）の「ポスト5G情報通信システム基盤強化研究開発事業」（JPNP20017）の委託事業の結果，得られたものです．また，本研究の一部は，JST，ACT-X，JPMJAX24MAの支援および公益財団法人 大川情報通信基金の支援（No. 2304）を受けたものです． |
| （英） |
Deep joint source-channel coding (DeepJSCC), which integrates source and channel coding using deep learning, has attracted attention. An autoencoder using a convolutional neural network (CNN) is commonly used for DeepJSCC for image transmission, however, the DeepJSCC cannot satisfy computational cost depending on user equipment. We have proposed fast Fourier transform (FFT) based DeepJSCC, in which the CNN layers are replaced by FFT and Hadamard product operations to reduce the cost. This paper reports the experimental results of a demonstration of the proposed method using a modified commercially available local 5G system.
A part of this paper is based on results obtained from “Research and Development Project of the Enhanced Infrastructures for Post-5G Information and Communication Systems” (JPNP20017), commissioned by the New Energy and Industrial Technology Development Organization (NEDO). A part of this work was supported by JST, ACT-X Grant Number JPMJAX24MA, Japan and by the Okawa Foundation (No. 23-04), Japan. |
| キーワード |
（和） |
5G / 情報源通信路結合符号化 / 深層学習 / セマンティック通信 / 高速フーリエ変換 / / / |
| （英） |
5G / Joint Source-Channel Coding / Deep Learning / Semantic Communication / Fast Fourier Transform / / / |
| 文献情報 |
信学技報 |
| 資料番号 |
|
| 発行日 |
|
| ISSN |
|
| PDFダウンロード |
|