| 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 | 2025-06-25 09:40 深層展開を適用した一般化近似メッセージ伝搬法の訓練SNR設計に関する一検討 ○平田大喜・高橋拓海（阪大）・衣斐信介（同志社大）・落合秀樹（阪大）  RCS2025-47 |
|
| 抄録 | （和） | 大規模マルチユーザ MIMO システムにおける上り回線では，空間多重された信号を効率的に分離するた め，低演算かつ高精度なマルチユーザ検出（MUD）手法が不可欠である．このような手法の一つとして，一般化近 似メッセージ伝搬法 (GAMP: Generalized Approximate Message Passing) に深層展開 (DU: Deep Unfolding) を適用した T-GAMP (Trainable GAMP) が提案されている．T-GAMP に埋め込まれた内部パラメータを学習最適化することで，通 信路の有限サイズ性やフェージング空間相関存在下においても，高い MUD 精度を実現できる．しかし，このような DU 型の MUD においては，学習戦略，とりわけ学習時の条件設定が性能に大きく影響を与えるにも関わらず，その 設計指針に関する体系的な議論は十分とはいえない．時々刻々と変化する無線通信環境に対して，特定の条件下で学 習された DU 型 MUD が適切に動作可能であるかどうか，その汎化性能を評価することは実用上の重要な課題である． 本稿では，T-GAMP の訓練時における信号対雑音電力比 (SNR: Signal-to-Noise power Ratio) が性能に与える影響を複 数の最適化アルゴリズムに対して評価し，訓練 SNR に関する実用的な設計指針を考察する． |
| （英） | In the uplink of large multi-user multiple-input multiple-output (MIMO) systems, low-complexity and high-accuracy multi-user detection (MUD) techniques are essential for efficiently separating spatially multiplexed signals. One such technique is trainable generalized approximate message passing (T-GAMP), which applies deep unfolding (DU) to the GAMP algorithm. By optimizing the internal parameters embedded in T-GAMP through machine learning, it achieves high-accuracy MUD even under practical constraints such as finite channel dimensions and spatial fading correlation. However, in DU-aided MUD, the performance is significantly influenced by the training strategy, particularly the training conditions―yet a systematic understanding of the design principles remains lacking. In rapidly changing wireless environments, evaluating the generalization capability of a DU-aided MUD trained under specific conditions is a crucial practical issue. This paper investigates the impact of the signal-to-noise power ratio (SNR) during training on the MUD performance of T-GAMP under various optimizers and provides practical insights into the design of training SNR for robust MUD implementation. |
|
| キーワード | （和） | 一般化近似メッセージ伝搬法 / 深層展開 / 最適化アルゴリズム / MIMO 信号検出 / / / / |
| （英） | Generalized approximate message passing / deep unfolding / optimizer / MIMO signal detection / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 88, RCS2025-47, pp. 94-99, 2025年6月. | |
| 資料番号 | RCS2025-47 | |
| 発行日 | 2025-06-17 (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 | RCS2025-47 |
|
| 研究会情報 | |
| 研究会 | RCS |
| 開催期間 | 2025-06-24 - 2025-06-26 |
| 開催地（和） | 旭川市民文化会館 |
| 開催地（英） | Asahikawa-Shimin-Bunka-Kaikan |
| テーマ（和） | 初めての研究会，リソース制御，スケジューリング，無線通信一般 |
| テーマ（英） | First Presentation in IEICE Technical Committee, Resource Control, Scheduling, Wireless Communications, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | RCS |
| 会議コード | 2025-06-RCS |
| 本文の言語 | 日本語 |
| タイトル（和） | 深層展開を適用した一般化近似メッセージ伝搬法の訓練SNR設計に関する一検討 |
| サブタイトル（和） | |
| タイトル（英） | A Study on Training SNR Design for Deep Unfolding-Aided Generalized Approximate Message Passing |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 一般化近似メッセージ伝搬法 / Generalized approximate message passing |
| キーワード(2)（和/英） | 深層展開 / deep unfolding |
| キーワード(3)（和/英） | 最適化アルゴリズム / optimizer |
| キーワード(4)（和/英） | MIMO 信号検出 / MIMO signal detection |
| 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） | 平田 大喜 / Taiki Hirata / ヒラタ タイキ |
| 第1著者 所属（和/英） | 大阪大学 (略称： 阪大) The University of Osaka (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) The University of Osaka (略称： Osaka Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 衣斐 信介 / Shinsuke Ibi / イビ シンスケ |
| 第3著者 所属（和/英） | 同志社大学 (略称： 同志社大) Doshisha University (略称： Doshisha Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 落合 秀樹 / Hideki Ochiai / オチアイ ヒデキ |
| 第4著者 所属（和/英） | 大阪大学 (略称： 阪大) The University of Osaka (略称： Osaka Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-06-25 09:40:00 |
| 発表時間 | 10分 |
| 申込先研究会 | RCS |
| 資料番号 | RCS2025-47 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.88 |
| ページ範囲 | pp.94-99 |
| ページ数 | 6 |
| 発行日 | 2025-06-17 (RCS) |
[研究会発表申込システムのトップページに戻る]