2020 Fiscal Year Annual Research Report
Discrete-Valued Vector Reconstruction from Underdetermined Linear Measurements
| Project/Area Number |
18K04148
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
林 和則 京都大学, 国際高等教育院, 教授 (50346102)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 劣決定線形観測 / スパース性 / グループスパース性 / 離散性 / IoT |
|---|
| Outline of Annual Research Achievements |
本年度の研究では，前年度までの検討で開発した凸のグループスパース正則化項を利用した離散値ベクトル再構成手法と非凸のスパース正則化関数を利用した再構成手法を統合し，OFDM (Orthogonal Frequency Division Multiplexing)やSC-CP (Single Carrier - Cyclic Prefix)などのブロック伝送方式を利用した現実的なIoT(Internet of Things)環境におけるMIMO(Multi-Input Multi-Output)信号検出に適用することを試みた．その結果，離散正則化項にl_0ノルムやl_1/2ノルム，l_2/3ノルムなどの非凸スパース正則化項を導入し，その形式的な近接作用素を利用してADMM (Alternating Direction Method of Multipliers)に基づく凸最適化のアルゴリズムで最適化問題を解くアプローチによって，大幅な特性改善が得られることを明らかにした．具体的には，全てのIoT端末がアクティブという提案手法にとって厳しい環境においても，過負荷率133%まで良好なシンボル誤り率(SER)を達成し，過負荷率150%でも実用的な特性であることを確認した．さらに，アクティブなIoT端末数が受信基地局アンテナ数と同程度であれば，全送信IoT端末数に依存せず良好な受信特性が得られることも確認した．一方，グループスパース正則化項への上記非凸正則化関数の導入では特性の改善が見られないことも明らかとなった．
|
