| 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 | 2025-07-24 13:55 深層学習に基づくブラインド伝搬路推定のための次元削減に関する研究 ○堺 洋人（芝浦工大）・佐々木亮平（東京工科大）・松本一総・菅 宣理（芝浦工大）  SRW2025-22 |
|
| 抄録 | （和） | 次世代無線通信ではアンテナ等の素子数の増加にともない多数の伝搬経路が生じることから，従来のパイロット信号を用いた伝搬路推定においては，膨大な伝搬路推定オーバーヘッドが生じる可能性がある．この課題に対処する手法として，深層学習を用いたブラインド伝搬路推定が提案されているが，観測信号を画像として扱うため入力信号が高次元になり推論時間やネットワーク規模が増大する問題がある．本研究では，受信信号分布を混合ガウスモデルで表現し，EMアルゴリズムにより推定される受信信号の期待値パラメータに基づいて入力信号を変換することで次元を削減し，さらにアーキテクチャの簡素化も実施した．シミュレーションの結果，既存手法と同程度の推定精度を維持しつつ，推論時間とネットワーク規模の大幅な削減が可能であることを確認した． |
| （英） | In next-generation wireless communication systems, the increase in the number of elements, such as antennas, leads to a large number of propagation paths. As a result, conventional pilot-based channel estimation methods can incur substantial overhead. To address this issue, a deep learning-based blind channel estimation technique has been proposed. However, this method treats observed signals as images, resulting in high-dimensional input data, which increases both inference time and network complexity. In this study, the distribution of received signals is modeled using a Gaussian mixture model. The input data are then transformed based on the parameters estimated by the EM algorithm, effectively reducing the input dimensionality. Additionally, a simplified network architecture is introduced to further improve computational efficiency. Simulation results confirm that the proposed method achieves estimation accuracy comparable to the conventional method while significantly reducing both inference time and network size. |
|
| キーワード | （和） | ブラインド伝搬路推定 / 直交周波数分割多重 / 深層学習 / 混合ガウスモデル / EMアルゴリズム / / / |
| （英） | Blind channel estimation / OFDM / deep learning / GMM / EM algorithm / / / | |
| 文献情報 | 信学技報, vol. 125, no. 128, SRW2025-22, pp. 7-12, 2025年7月. | |
| 資料番号 | SRW2025-22 | |
| 発行日 | 2025-07-17 (SRW) | |
| 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 | SRW2025-22 |
|
| 研究会情報 | |
| 研究会 | SRW MICT |
| 開催期間 | 2025-07-24 - 2025-07-24 |
| 開催地（和） | 山形テルサ |
| 開催地（英） | YAMAGATA TERRSA |
| テーマ（和） | MICT/SRW合同研究会 |
| テーマ（英） | MICT/SRW Joint Workshop |
| 講演論文情報の詳細 | |
| 申込み研究会 | SRW |
| 会議コード | 2025-07-SRW-MICT |
| 本文の言語 | 日本語 |
| タイトル（和） | 深層学習に基づくブラインド伝搬路推定のための次元削減に関する研究 |
| サブタイトル（和） | |
| タイトル（英） | Dimensionality Reduction for Deep Learning-Based Blind Channel Estimation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ブラインド伝搬路推定 / Blind channel estimation |
| キーワード(2)（和/英） | 直交周波数分割多重 / OFDM |
| キーワード(3)（和/英） | 深層学習 / deep learning |
| キーワード(4)（和/英） | 混合ガウスモデル / GMM |
| キーワード(5)（和/英） | EMアルゴリズム / EM algorithm |
| 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） | 堺 洋人 / Hiroto Sakai / サカイ ヒロト |
| 第1著者 所属（和/英） | 芝浦工業大学 (略称： 芝浦工大) Shibaura Institute of Technology (略称： SIT) |
| 第2著者 氏名（和/英/ヨミ） | 佐々木 亮平 / Ryohei Sasaki / ササキ リョウヘイ |
| 第2著者 所属（和/英） | 東京工科大学 (略称： 東京工科大) Tokyo University of Technology (略称： TUT) |
| 第3著者 氏名（和/英/ヨミ） | 松本 一総 / Kazusa Matsumoto / マツモト カズサ |
| 第3著者 所属（和/英） | 芝浦工業大学 (略称： 芝浦工大) Shibaura Institute of Technology (略称： SIT) |
| 第4著者 氏名（和/英/ヨミ） | 菅 宣理 / Norisato Suga / スガ ノリサト |
| 第4著者 所属（和/英） | 芝浦工業大学 (略称： 芝浦工大) Shibaura Institute of Technology (略称： SIT) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-07-24 13:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SRW |
| 資料番号 | SRW2025-22 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.128 |
| ページ範囲 | pp.7-12 |
| ページ数 | 6 |
| 発行日 | 2025-07-17 (SRW) |
[研究会発表申込システムのトップページに戻る]