| Project/Area Number |
23K03854
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 21020:Communication and network engineering-related
|
|---|
| Research Institution | Yamaguchi University |
|---|
Principal Investigator |
井田 悠太 山口大学, 大学院創成科学研究科, 准教授 (20711229)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
丸田 一輝 東京理科大学, 工学部電気工学科, 准教授 (30801170)
松元 隆博 鹿児島大学, 理工学域工学系, 教授 (10304495)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000)
Fiscal Year 2025: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2024: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2023: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
|
|---|
| Keywords | 多段階協調中継通信 / 時間-周波数チャネル学習 |
|---|
| Outline of Research at the Start |
本研究は多段階協調中継通信の時間と周波数の通信路状態を学習したパケット分割伝送とインターリーブ割当による信号を構築し，これまでにない実用的なシステム創出を目的とする．近年の通信環境では，信号を高速，低遅延，かつ高品質で送受信できる多段階協調中継通信は必須であるが，これまでの方法は評価した通信路モデルが限定的であり，各通信路がそれぞれ独立しているため通信路環境の把握が不十分であった．本研究は様々な環境での通信路モデルを取得し，総合的に評価することで，通信路状態推定のためのパイロット信号，パケット分割伝送，インターリーブ割当，学習を用いた信号構築による通信品質の向上を示す．
|
| Outline of Annual Research Achievements |
本研究は多段階協調中継通信の時間領域と周波数領域の通信路状態を学習したパケット分割伝送とインターリーブ割当による信号を構築したシステムの創出が目的である．近年の通信システムには，信号を高速，低遅延，かつ高品質に送受信できる多段階協調中継通信は必須である．令和5年度は送信局と受信局以外の中継局を多段階的に接続する多段階協調中継通信におけるパケット分割伝送と，各局間のチャネルと呼ばれる通信路の状態を表すチャネル状態情報(Channel State Information; CSI)を推定するパイロット信号に関する研究を実施し，それらの有効性を示した．
そして，令和6年度は，パケット分割伝送に深層学習の1つであるディープニューラルネットワーク(Deep Neural Network; DNN)を適用する研究を実施した．パケット分割伝送は，各経路のCSIを使用する．ここで，各経路のチャネルは独立しているため，CSIもそれぞれ独立し異なる変動を示す．それ故，協調通信の様な複数のチャネルが存在する環境では複数のCSIを利用でき，良いCSIを利用することで，通信品質を向上できる．従来手法はCSIと経路重みに基づきパケットを分割し，各経路の送信する信号量を決定する．しかし，従来の経路重みは一定値のため，変動するCSIの状態に対して，最適な分割を行うことは困難である．そこで，提案手法は経路重みに非線形処理が可能なDNNを適用することで，この問題に対処した．DNNを用いる提案手法は，各経路のCSIを訓練データ，パケット分割の信号量を教師データとして学習を行う．そして，学習したDNNを経路重みとして使用することで，変動するCSIの状態を非線形処理で対処し，コンピュータシミュレーション結果からその有効性を示した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
現在までの進捗状況は，多段階協調中継通信におけるパケット分割伝送，パイロット信号の設計，そしてDNNによる経路重みを適用した手法を評価した．多段階協調中継通信におけるパケット分割伝送とパイロット信号の設計は，令和5年度に主に実施した内容であり，それらの有効性を示すことができた．そして，令和6年度にこれらの成果を，査読付き国際会議IEEE GCCE2024と電情報通信学会コミュニケーションシステム研究会で発表した．
次に，令和6年度は協調通信におけるパケット分割伝送にDNNを適用する手法を評価した．上述した様に，従来のパケット分割伝送は各径路のCSIと経路重みを使用した．CSIはチャネル状態が一定の時間領域のものを用いることで簡素に実現できる．また，経路重みはコンピュータシミュレーションを用いたアンサンブル平均から求めた値を使用した．一方で，固定した値を用いる手法は変動するCSIの状態に対して，最適なパケット分割を行うことは困難であったため，DNNを経路重みとして使用した．DNNは非線形処理を用いてネットワークを構築できるので，変動するCSIの状態を非線形的な重みとして適用することで，パケットの信号量を最適に分割することができ，さらにその有効性を示した．この成果は，令和7年度に査読付きの国際会議等への投稿を予定している．
その他に，関連研究として，協調通信と同様に複数の伝搬路を使用するMIMOアンテナ技術において新しい符号化手法を提案し，その成果は電子情報通信学会英論文誌Bに採録された．また，電波伝搬解析ツールRapLabから，任意の環境下での遅延プロファイル及びCSIを作成し，CSIや位置の推定に関する研究を実施した．これらの成果は，査読付き国際会議IEEE APWCS2024やGCCE2024で発表した．
|
| Strategy for Future Research Activity |
今後の研究の推進方策として，周波数領域のCSIやインターリーブ等を適用したパケット分割伝送の効果を評価することを予定している．上述の通り，深層学習を適用することで，最適なパケット分割を実現した．一方で，パケット分割伝送で用いるCSIは，端末の移動を考慮せず時間変動が一定となるものを使用しており，周波数選択性を引き起こす周波数領域のCSIを考慮していない．周波数領域のCSIをパケット分割に使用する場合，時間領域のCSIよりも必要な情報量を増加させるが，ダイバーシチ利得の効果が大きく，性能を向上できる可能性がある．そこで，深層学習の適用等も含め，情報量や処理の増加を抑えながら，周波数領域のCSIに基づくパケット分割伝送を検討する．加えて，パケット分割伝送において，バースト誤りを防ぐインターリーブ効果を高める手法を検討し，更なる性能向上ができないか評価する．
また，令和6年度に得られた研究成果を電子情報通信学会の研究会や全国大会等で発表する．加えて，米国電気電子学会(IEEE)主催の査読付き国際会議へ投稿する．そして，最終年のため総括とまとめを行い，その成果をIEEEや電子情報通信学会等の学術論文誌へ投稿する．
|
