| 講演抄録／キーワード |
| 講演名 |
2025-07-30 10:20
［依頼講演］5Gセルラー基地局を用いたDeep Joint Source-Channel Coding伝送実験
○森 智香・豊島圭佑・磯辺泰知（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） |
近年，深層学習を活用し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．画像伝送においては，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であるが，端末によっては計算負荷が大きいという課題がある．そこで著者らは，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ることで，計算効率を向上させたFFT-DeepJSCCを提案してきた．本稿では，市販のローカル5G基地局および端末を改造して実験環境を構築し，実際に画像伝送を行った結果に基づいて，提案手法の性能および有効性を実証した結果について報告する．
この成果は, 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. 本研究は，JST，ACT-X，JPMJAX24MAおよび公益財団法人 電気通信普及財団の支援を受けたものです. |
| （英） |
Deep joint source-channel coding (DeepJSCC), which unifies source and channel coding through deep learning, has recently gained considerable attention. For image transmission, DeepJSCC typically uses an autoencoder based on a convolutional neural network (CNN). However, the computational cost of such architectures may be prohibitive depending on the user's equipment. To address this issue, we have proposed an FFT-based DeepJSCC scheme, in which the convolutional layers of the CNN are replaced by fast Fourier transform (FFT) and element-wise product operations to reduce the computational cost. This paper presents experimental results demonstrating the effectiveness of the proposed method using a commercially available local 5G system that has been modified for our testing. |
| 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 |
Online edition: ISSN 2432-6380 |
| PDFダウンロード |
|