2019 Fiscal Year Annual Research Report
Research on expansion of communication capacity and performance improvement in large-scale communication system and its application
| Project/Area Number |
17K06415
|
|---|
| Research Institution | Chiba University |
|---|
Principal Investigator |
安 昌俊 千葉大学, 大学院工学研究院, 教授 (90453208)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | チャネル推定法 / パイロットコンタミネーション抑制 / チャネル優先順位 |
|---|
| Outline of Annual Research Achievements |
本研究はMassive MIMOシステムにおけるチャネル推定の性能向上と、挿入する参照信号の大幅な削減による通信容量の拡大、及びMIMOシステムの検出法として広く検討されるQRM-MLD法での最適なチャネル順位の取得法の確立とその応用を目指した研究開発である。
初年度と2年目の研究結果を踏まえ、最終年度での研究テーマとしては、①パイロットコンタミネーションの除去法、②最適なビーム形成法の提案、③協調通信やIoTへの応用に関する研究に関して研究を行った。
まず、パイロットコンタミネーションの除去法について、今回提案した手法は、時間軸上に従来HTRCIと同じチャネルインパル応答を発生させ、その応答とは別に直交化したチャネルインパル応答を発生し、多重化することで、従来HTRCI法と比べ2倍以上のチャネルの応答を推定可能となり、パイロットコンタミネーションの除去法として有効性を確認した。他に最適なビーム形成法の提案についても、最適なビーム形成はウィーナー解の最適化を意味する。これまで研究代表者は、共通共分散法による最適な共分散を計算することを提案しましたが、その解ではチャネルの最適推定が必要であった。そのため、今回の研究では、データ信号部分を活用し、レプリカ信号を生成することで受信信号とレプリカ信号の差分からより精度が高い推定値を計算してウィーナー解を解くことで最適なビーム形成を実現した。最後に協調通信やIoTへの応用について、最近注目を浴びている機会学習として畳み込みニューラルネットワークを用いて受信信号から希望信号のSNRと干渉電力、またドップラー周波数などを学習による推定を行い適応変調と符号化の実現と協調通信への応用を検討した。上記の研究結果は複数の論文誌に採録されており、他にIEEE AccessとElsevier ICT Expressにも投稿している。
|
Research Products
(37 results)
