| Project/Area Number |
23K20935
|
|---|
| Project/Area Number (Other) |
21H01332 (2021-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2021-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 21020:Communication and network engineering-related
|
|---|
| Research Institution | Doshisha University |
|---|
Principal Investigator |
衣斐 信介 同志社大学, 理工学部, 教授 (10448087)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
高橋 拓海 大阪大学, 大学院工学研究科, 助教 (40844204)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,550,000 (Direct Cost: ¥13,500,000、Indirect Cost: ¥4,050,000)
Fiscal Year 2024: ¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
Fiscal Year 2023: ¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
Fiscal Year 2022: ¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
Fiscal Year 2021: ¥9,360,000 (Direct Cost: ¥7,200,000、Indirect Cost: ¥2,160,000)
|
|---|
| Keywords | 統計信号処理 / 信念伝搬 / 深層展開 / 深層学習 / データ駆動最適化 / 信念伝搬法 |
|---|
| Outline of Research at the Start |
本研究の目的は、大規模数の無線IoT端末が互いに時間・周波数を非同期状態で小容量データパケットの授受を効率的に行う「究極形」のランダムアクセス技術の確立である。一般的には、同期を確保するためプリアンブル・トレーニング信号を用いるが、小容量データパケットに比べて比較的長いオーバーヘッド信号を付与することは非効率であり、本来、非同期状態での通信が望ましい。この目的を達成するため、非同期ランダムアクセスのための信念伝搬（BP）検出器の開発を行うとともに、深層展開型BP 検出器のデータ駆動設計へ拡張し、深層学習技術を駆使してパラメータの最適化を行うことで、信号検出性能を最大限に引き出す工夫を施す。
|
| Outline of Annual Research Achievements |
本研究課題は、時間・周波数同期誤差が誘発する干渉成分を効率的に抑圧するBP検出法の確立とその理論限界の解明を目的としている。効率的な干渉抑圧のために、非同期に起因して散乱する信号成分をかき集める構造としてOTFS (Orthogonal Time Frequency and Space) 変調の構造が有効であると判断し、OFDMの代わりにこれを利用する。2022年度は下記の2課題のサブテーマを実施した。
・[課題1] 非同期ランダムアクセスのためのBP検出器の開発-(b)「セミブラインド通信路推定」
・[課題2] 深層展開型BP検出器のデータ駆動設計-(b)「非直交OTFSのBP検出器」
[課題1]-(b)では、パラメトリック双線形推論に基づく通信路とデータの同時推定法を提案し、高い信号検出精度を実現できることを明らかにした。また、独立成分分析のセミブラインド信号処理を導入することで、パイロット系列長をさらに削減することが可能となることを明らかにした。
[課題2]-(b)では、非直交OTFSのBP検出器の繰り返し構造を、深層展開により複数の線形層と活性化層から成る深層ニューラルネットワークと解釈し、深層学習技術を利用して最適化困難であったパラメータのデータ駆動最適化を行ったBP検出器を設計した。また、自己符号化器の構造をOTFSに取り入れ、送信信号の最適化に関しても検討を行った。さらに、独立成分分析に深層展開を導入し、データ駆動最適化を施すことで、信号検出精度の改善に有効であることも明らかにした。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2022年度実施予定であった[課題1]-(b)と[課題2]-(b)に関して期待していた結果が得られ、多くの研究成果を報告した。また、2023年度に実施予定である[課題2]-(c)「繰り返し復号・復号器」で必要となる基礎検討もすでに実施済みであり、2023年度も計画通りに研究を遂行できる見込みが立っている。上記を理由に、おおむね順調に進展していると判断する。
|
| Strategy for Future Research Activity |
当初の計画通り、2023年度は、
・[課題2] 深層展開型BP検出器のデータ駆動設計-(c)「繰り返し復号・復号器」
・[課題3] BP検出器の収束性解析による理論的枠組みの解明-(a)「EXIT解析を拡張した収束性解析」
の検討を行う。また2024年度には、得られた基礎検討の結果に基づき、総合評価を行う予定である。
|
