| 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 | 2025-08-28 09:25 Local 5Gにおける深層学習を用いた干渉予測とサービスエリア構築手法 ○表 昌佑・森山雅文・村上 誉・沢田浩和・松村 武（NICT）  RCS2025-99 |
|
| 抄録 | （和） | 本論文では、ローカル5G（L5G）ネットワークにおける干渉を考慮したサービスエリア拡張を支援するための、深層学習ベースの無線予測フレームワークを提案する。本フレームワークの中核であるRadioResUNetは、屋内の建物レイアウトやアンテナ位置情報を学習し、無線信号強度（RSS）および同一チャネル干渉を高精度に予測する。これにより、複雑あるいは再構成された通信環境においても、プロアクティブかつ効率的なサービスエリア設計が可能となり、展開コストの削減と信頼性の向上が期待される。さらに、サービスエリア境界の最適化を導くために、干渉を与えるネットワーク側の性能向上と、干渉を受けるネットワーク側の性能劣化とのトレードオフを定量的に評価する指標として、「サービスゲイン（G）」の概念を導入している。シミュレーション結果により、送信電力、ユーザー密度、トラフィック負荷がカバレッジ、通信成功率、およびサービスゲインに与える影響が示され、提案手法が他ネットワークに干渉を与えずに最適なサービス提供を可能とすることが実証された。 |
| （英） | This paper proposes a deep learning-based wireless prediction framework to support interference-aware service area expansion in Local 5G (L5G) networks. At the core of this framework is RadioResUNet, which learns indoor building layouts and antenna placement information to accurately predict radio signal strength (RSS) and co-channel interference. This enables proactive and efficient service area design, even in complex or reconfigured environments, thereby reducing deployment costs and improving reliability. To guide the optimization of service area boundaries, the concept of Service Gain (G) is introduced as a quantitative metric for evaluating the trade-off between the performance improvement of the interfering network and the performance degradation of the interfered network. Simulation results show that the impact of transmission power, user density, and traffic load on coverage, transmission successful rates, and Service Gain, and demonstrating that the proposed approach enables optimal service configuration without causing interference to other networks | |
| キーワード | （和） | / / / / / / / |
| （英） | Co-channel Interference / Deep learning / Local 5G (L5G) / RadioResUNet / Service Area Construction / Service Gain / / | |
| 文献情報 | 信学技報, vol. 125, no. 163, RCS2025-99, pp. 7-12, 2025年8月. | |
| 資料番号 | RCS2025-99 | |
| 発行日 | 2025-08-21 (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 | RCS2025-99 |
|
| 研究会情報 | |
| 研究会 | RCS SAT |
| 開催期間 | 2025-08-28 - 2025-08-29 |
| 開催地（和） | 朱鷺メッセ |
| 開催地（英） | Toki Messe |
| テーマ（和） | 移動衛星通信，放送，誤り訂正，無線通信一般 |
| テーマ（英） | Satellite Communications, Broadcasting, Forward Error Correction, Wireless Communications, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | RCS |
| 会議コード | 2025-08-RCS-SAT |
| 本文の言語 | 日本語 |
| タイトル（和） | Local 5Gにおける深層学習を用いた干渉予測とサービスエリア構築手法 |
| サブタイトル（和） | |
| タイトル（英） | Interference Prediction and Service Area Construction Methods Using Deep Learning in Local 5G |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / Co-channel Interference |
| キーワード(2)（和/英） | / Deep learning |
| キーワード(3)（和/英） | / Local 5G (L5G) |
| キーワード(4)（和/英） | / RadioResUNet |
| キーワード(5)（和/英） | / Service Area Construction |
| キーワード(6)（和/英） | / Service Gain |
| 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） | 表 昌佑 / Changwoo Pyo / ピョウ チャンウ |
| 第1著者 所属（和/英） | 国立研究開発法人 情報通信研究機構 (略称： NICT) National Institute of Information and Communications (略称： NICT) |
| 第2著者 氏名（和/英/ヨミ） | 森山 雅文 / Masafumi Moriyama / |
| 第2著者 所属（和/英） | 国立研究開発法人 情報通信研究機構 (略称： NICT) National Institute of Information and Communications (略称： NICT) |
| 第3著者 氏名（和/英/ヨミ） | 村上 誉 / Homare Murakami / |
| 第3著者 所属（和/英） | 国立研究開発法人 情報通信研究機構 (略称： NICT) National Institute of Information and Communications (略称： NICT) |
| 第4著者 氏名（和/英/ヨミ） | 沢田 浩和 / Hirokazu Sawada / |
| 第4著者 所属（和/英） | 国立研究開発法人 情報通信研究機構 (略称： NICT) National Institute of Information and Communications (略称： NICT) |
| 第5著者 氏名（和/英/ヨミ） | 松村 武 / Takeshi Matsumura / |
| 第5著者 所属（和/英） | 国立研究開発法人 情報通信研究機構 (略称： NICT) National Institute of Information and Communications (略称： NICT) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-08-28 09:25:00 |
| 発表時間 | 25分 |
| 申込先研究会 | RCS |
| 資料番号 | RCS2025-99 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.163 |
| ページ範囲 | pp.7-12 |
| ページ数 | 6 |
| 発行日 | 2025-08-21 (RCS) |
[研究会発表申込システムのトップページに戻る]