高精度深層学習による第5・6世代・既存システム共存の効率良い周波数共用を行う研究

• Project/Area Number: 25K07742
• 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: Kagoshima National College of Technology
• Principal Investigator: 井手 輝二 鹿児島工業高等専門学校, 電気電子工学科, 嘱託教授 (30617858)
• Co-Investigator(Kenkyū-buntansha): 藤井 威生 電気通信大学, 先端ワイヤレス・コミュニケーション研究センター, 教授 (10327710) ; 佐藤 正知 鹿児島工業高等専門学校, 電気電子工学科, 准教授 (50453949) ; 眞田 幸俊 慶應義塾大学, 理工学部(矢上), 教授 (90293042) ; 牟田 修 九州大学, システム情報科学研究院, 教授 (80336065)
• Project Period (FY): 2025-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000); Fiscal Year 2027: ¥260,000 (Direct Cost: ¥200,000、Indirect Cost: ¥60,000); Fiscal Year 2026: ¥260,000 (Direct Cost: ¥200,000、Indirect Cost: ¥60,000); Fiscal Year 2025: ¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
• Keywords: センシング / 電波環境マップ(REM) / 周波数共用 / 深層学習

Outline of Research at the Start

周波数を有効に共用するためにセンシングや電波環境マップ(REM)作成には精度の高い測定が必要であり多大な費用や時間、実測値との乖離の問題がある。これには機械学習によるセンシングから通信エリア内のPUの数、各PUからの受信電力等のパラメータ推定を行いREM作成用の各種伝搬モデル推定及び通信システム推定を統合する必要がある。電波環境に適合する伝搬モデル(通信路(CSI)推定を含む)・通信システム推定の精度向上のため自動パラメータチューニングを行う深層学習( DL)(CNN(畳み込みニューラルネットワーク)使用の各種構成方式による最適組み合わせ)から高精度で推定する。