| 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 | 2025-11-20 14:55 ［依頼講演］ローカル5Gにおける深層学習を用いた干渉予測と複数L5Gネットワーク間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）  SRW2025-35 |
|
| 抄録 | （和） | This paper proposes a deep learning-based wireless prediction framework to enable interference-aware service area expansion in Local 5G (L5G) networks. At the core of the framework is RadioResUNet, a neural model that learns indoor building layouts and antenna placement information to accurately predict radio signal strength (RSS) and co-channel interference. This capability facilitates proactive and efficient service area design, even in complex or dynamically changing environments, thereby reducing deployment costs and enhancing network 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 demonstrate the effects of transmission power, user density, and traffic load on coverage, transmission success rate, and service gain, confirming that the proposed approach enables optimal service area configuration without inducing inter-network interference, while achieving higher overall system throughput compared to the conventional L5G service area design. |
| （英） | This paper proposes a deep learning-based wireless prediction framework to enable interference-aware service area expansion in Local 5G (L5G) networks. At the core of the framework is RadioResUNet, a neural model that learns indoor building layouts and antenna placement information to accurately predict radio signal strength (RSS) and co-channel interference. This capability facilitates proactive and efficient service area design, even in complex or dynamically changing environments, thereby reducing deployment costs and enhancing network 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 demonstrate the effects of transmission power, user density, and traffic load on coverage, transmission success rate, and service gain, confirming that the proposed approach enables optimal service area configuration without inducing inter-network interference, while achieving higher overall system throughput compared to the conventional L5G service area design. | |
| キーワード | （和） | / / / / / / / |
| （英） | Co-channel Interference / Deep learning / Local 5G (L5G) / RadioResUNet / Service Area Configuration / Service Gain / / | |
| 文献情報 | 信学技報, vol. 125, no. 256, SRW2025-35, pp. 35-40, 2025年11月. | |
| 資料番号 | SRW2025-35 | |
| 発行日 | 2025-11-13 (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 | SRW2025-35 |
|
| 研究会情報 | |
| 研究会 | SRW |
| 開催期間 | 2025-11-20 - 2025-11-21 |
| 開催地（和） | 京都大学 楽友会館 2階会議・講演室（メイン会場），1階会議室1（ポスター会場） |
| 開催地（英） | Kyoto Univ. Rakuyu-Kaikan Bldg. 2F Lecture room |
| テーマ（和） | IoTワークショップ（IoT技術に関する一般講演、および、ポスター講演） |
| テーマ（英） | IoT Workshop (General and Poster presentations regarding IoT techniques) |
| 講演論文情報の詳細 | |
| 申込み研究会 | SRW |
| 会議コード | 2025-11-SRW |
| 本文の言語 | 英語（日本語タイトルあり） |
| タイトル（和） | ローカル5Gにおける深層学習を用いた干渉予測と複数L5Gネットワーク間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 Optimization Using Deep Learning Among Multiple Local 5G Networks |
| 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 Configuration |
| 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） | 情報通信研究機構 (略称： NICT) National Institute of Information and Communications Technology (略称： NICT) |
| 第2著者 氏名（和/英/ヨミ） | 森山 雅文 / Masahumi Moriyama / |
| 第2著者 所属（和/英） | 情報通信研究機構 (略称： NICT) National Institute of Information and Communications Technology (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） | 情報通信研究機構 (略称： NICT) National Institute of Information and Communications Technology (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） | 情報通信研究機構 (略称： NICT) National Institute of Information and Communications Technology (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） | 情報通信研究機構 (略称： NICT) National Institute of Information and Communications Technology (略称： NICT) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-11-20 14:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SRW |
| 資料番号 | SRW2025-35 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.256 |
| ページ範囲 | pp.35-40 |
| ページ数 | 6 |
| 発行日 | 2025-11-13 (SRW) |
[研究会発表申込システムのトップページに戻る]