| 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 13:30 OFDM通信における深層学習に基づく完全ブラインド伝搬路推定に関する一検討 ○松本一総・堺 洋人（芝浦工大）・佐々木亮平（東京工科大）・菅 宣理（芝浦工大）  SRW2025-21 |
|
| 抄録 | （和） | 次世代通信規格では多数の素子（アンテナや反射素子）を具備した通信装置の利用が標榜されており，パイロット信号を用いる伝搬路推定ではその膨大な素子間の伝搬路推定によるオーバーヘッドが無視できないという課題が存在する．この問題を解決する手段としてブラインド伝搬路推定法があるが，既存のブラインド伝搬路推定手法には計算量・精度，および推定値に残る位相の不確定性の課題が存在する．近年，深層学習に基づくブラインド伝搬路推定手法が提案され，計算量の低減や推定精度の向上が確認されているが，位相の不確定性および教師ラベルの設定に関する課題が残されている．そこで本研究はパイロット信号を完全に除去した，深層学習に基づく完全ブラインド伝搬路推定法を提案する．提案手法ではOFDM通信を想定し，いくつかのサブキャリアで異なる変調方式を採用することで，既存の深層学習に基づく手法の課題を克服した伝搬路推定の実現を目指す．シミュレーション結果により，完全にパイロット信号を排除したブラインド伝搬路推定が可能であり，既存手法より推定精度が向上し，特に推定誤差の生じない理想的な条件での性能に匹敵することを確認した． |
| （英） | In next-generation wireless communication systems, the use of devices equipped with a large number of elements, such as antennas and reflecting surfaces, is being actively investigated. However, in conventional pilot-based channel estimation, the overhead caused by estimating the massive number of propagation paths becomes unacceptable. As a potential solution, blind channel estimation is the focus of this study. Existing blind estimation techniques face challenges in terms of computational complexity, estimation accuracy, and residual phase ambiguity. In recent years, deep learning-based blind estimation methods have been proposed, demonstrating improvements in both computational efficiency and estimation accuracy. Nevertheless, challenges remain regarding phase ambiguity and the requirement for appropriately defined supervisory labels. In this study, we propose a totally blind channel estimation method based on deep learning, which completely eliminates the need for pilot signals. Assuming an OFDM communication system, the proposed method applies different modulation schemes to several subcarriers, aiming to overcome the limitations of existing deep learning-based approaches. Simulation results confirm that the proposed method enables blind channel estimation without any pilot signals, achieves higher estimation accuracy than conventional methods, and demonstrates performance comparable to that under ideal, error-free conditions. | |
| キーワード | （和） | 完全ブラインド伝搬路推定 / 深層学習 / OFDM / / / / / |
| （英） | Totally blind channel estimation / Deep learning / OFDM / / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 128, SRW2025-21, pp. 1-6, 2025年7月. | |
| 資料番号 | SRW2025-21 | |
| 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 | SRW2025-21 |
|
| 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） | OFDM通信における深層学習に基づく完全ブラインド伝搬路推定に関する一検討 |
| サブタイトル（和） | |
| タイトル（英） | Study on Deep Learning-Based Totally Blind Channel Estimation in OFDM Systems |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 完全ブラインド伝搬路推定 / Totally blind channel estimation |
| キーワード(2)（和/英） | 深層学習 / Deep learning |
| キーワード(3)（和/英） | OFDM / OFDM |
| 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） | 松本 一総 / Kazusa Matsumoto / マツモト カズサ |
| 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） | 堺 洋人 / Hiroto Sakai / サカイ ヒロト |
| 第2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3著者 氏名（和/英/ヨミ） | 佐々木 亮平 / Ryohei Sasaki / ササキ リョウヘイ |
| 第3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 13:30:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SRW |
| 資料番号 | SRW2025-21 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.128 |
| ページ範囲 | pp.1-6 |
| 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]