| 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 15:20 ［依頼講演］グラフ表現学習を用いた電波伝搬推定 ○須藤克弥（北大）・高木志門（電通大）  SRW2025-36 |
|
| 抄録 | （和） | 我々は，屋外電波伝搬推定を高精度かつ短時間で実行可能とする手法として，電波伝搬グラフ表現学習を提案している． 電波伝搬グラフとは，送信機・遮蔽物・受信機をノード，ノード間の伝搬をエッジとして表現するグラフ構造であり，電波伝搬グラフ表現学習とは，3次元マップ等の環境情報を用いて，機械学習モデルによりノードおよびエッジを構築・更新する手法である． 本発表では，グラフ表現学習モデルの高度化に関する最新の成果を紹介する． 具体的には，3次元マップの量子化誤差や，散乱波など反射波の不確実性を考慮したエッジ構築手法を提案する． 従来の機械学習ではエッジの正解データを必要とするが，本手法では，伝搬パス推定モデルと受信電力推定モデルをエンドツーエンドで同時に学習することで，受信電力のみを教師データとして学習可能とする． これにより，受信電力推定と伝搬パス推定の双方を同時に最適化することができる．実観測データを用いたシミュレーションにより，提案手法がレイトレーシング法と比較して，受信電力推定の高精度化および計算時間の大幅な短縮を実現できることを示す． |
| （英） | We have proposed a radio propagation graph representation learning approach that enables highly accurate and computationally efficient estimation of outdoor radio propagation. A radio propagation graph represents transmitters, obstacles, and receivers as nodes, while edges correspond to propagation paths. The proposed graph representation learning framework constructs these nodes and edges by leveraging environmental information through machine learning models. In this talk, we introduce an edge construction method that considers uncertainties such as quantization errors in 3D maps and the scattered waves. Unlike conventional machine learning methods that require ground-truth edge data, the proposed approach jointly trains propagation path and received power estimation models in an end-to-end manner, using only received power as supervision. This enables the simultaneous optimization of propagation path and received power estimations. Simulation results based on real-world data demonstrate that our proposal achieves higher accuracy in received power estimation and significantly reduces computation time compared with the conventional ray-tracing approach. | |
| キーワード | （和） | 電波伝搬 / グラフ表現学習 / チャネル / レイトレーシング / 機械学習 / / / |
| （英） | Radio propagation / graph representation learning / channel / ray-tracing / machine learning / / / | |
| 文献情報 | 信学技報, vol. 125, no. 256, SRW2025-36, pp. 41-41, 2025年11月. | |
| 資料番号 | SRW2025-36 | |
| 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 | SRW2025-36 |
|
| 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 | 日本語 |
| タイトル（和） | グラフ表現学習を用いた電波伝搬推定 |
| サブタイトル（和） | |
| タイトル（英） | Radio Propagation Estimation with Graph Representation Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 電波伝搬 / Radio propagation |
| キーワード(2)（和/英） | グラフ表現学習 / graph representation learning |
| キーワード(3)（和/英） | チャネル / channel |
| キーワード(4)（和/英） | レイトレーシング / ray-tracing |
| キーワード(5)（和/英） | 機械学習 / machine learning |
| 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） | 須藤 克弥 / Katsuya Suto / ストウ カツヤ |
| 第1著者 所属（和/英） | 北海道大学 (略称： 北大) Hokkaido University (略称： Hokkaido Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 高木 志門 / Shimon Takagi / タカギ シモン |
| 第2著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-11-20 15:20:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SRW |
| 資料番号 | SRW2025-36 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.256 |
| ページ範囲 | p.41 |
| ページ数 | 1 |
| 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]