2021 Fiscal Year Research-status Report
深層学習により周波数共用のための精度が良い電波環境マップ作成を行う研究
| Project/Area Number |
21K14161
|
|---|
| 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, 教授 (30617858)
|
|---|
| Project Period (FY) |
2021-04-01 – 2023-03-31
|
| Keywords | コグニティブ無線 / 電波環境マップ(REM) / 伝搬モデル / 深層学習 / CNN(畳み込みニューラルネットワーク) |
|---|
| Outline of Annual Research Achievements |
本研究（2021年度）では周波数共用のために動的に無線リソースを確保するために教師データとしてレイトレースシミュレーション結果及び実測値を使い、これらの結果の検証を教師データにより行い、機械学習結果の補正を行うことで周波数共用への波及効果が極めて高い精度のよい結果を得ることを目的としている。この目的のために電波環境に適合する伝搬モデルを教師あり学習で精度が高いRes(残差)NetとCNN(畳み込みニューラルネットワーク)の組み合わせの深層学習(DL)により推定し、適合する伝搬モデルのパラメータを推定してREM（電波環境マップ）作成を容易にするための基礎検討を行った。①伝搬シミュレーション(無線LAN、第4世代システム等が混在する環境)(2021年4月～2022年12月)②伝搬モデルDLシミュレーションアルゴリズム検討(2021年4月～8月),伝搬モデルDL/レイトレースシミュレーション(2021年9月～2022年3月)
上記①②の実施によりCNNを利用したResNetにより勾配消失や過学習の問題を解決して層を増やすことでレイトレースシミュレーション・実測値の結果に対する精度を向上させる目処付けを行うことができた。本研究の特徴(独自性)であるDL(ResNet）と通常のCNNを組み合わせる方法により性能の(検証データの精度が10%以上)向上が確認されており、本研究の実行可能性が確認されている。教師データとしてレイトレースシミュレーション結果及び実測値を使い、これらの結果の検証を教師データにより行い、機械学習結果の補正を行うことで周波数共用への波及効果が極めて高い精度のよい結果が得られることの目処付けを行うことができた。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
①伝搬シミュレーション(無線LAN、第4世代システム等が混在する環境)(2021年4月～2022年12月)②伝搬モデルDLシミュレーションアルゴリズム検討(2021年4月～8月),伝搬モデルDL/レイトレースシミュレーション(2021年9月～2022年3月)におけるレイトレースシミュレーションに実際の地図を当てる（モデル生成）期間に3カ月以上を費やした。
また、電波環境に適合する伝搬モデルを教師あり学習で精度が高いRes(残差)NetとCNN(畳み込みニューラルネットワーク)の組み合わせの深層学習(DL)により推定し、適合する伝搬モデルのパラメータを推定する作業において、深層学習(DL)のResNetとCNNの組み合わせの調整により高精度な特性を得るための目処付けの調整作業に多大な期間を要した。またコロナ感染状況の悪化により研究協力者の研究補助学生の作業が遅延したことで計画より当該作業において3～6カ月程度の遅延を生じた。この遅れを挽回すべく学内所有のMATLABソフトを使用したシミュレーションを研究協力者からの助言等をもとに研究代表者及び研究協力者により行ったが、1カ月程度の挽回（改善）となり、当初の研究計画から研究の遂行状況がやや遅れている。
|
| Strategy for Future Research Activity |
計算機シミュレーションと実測データに有意的な差が発生することがさらなる計画に対する遅れを生じさせることが考えられる．例として、本研究の提案方式の実測データにおいて、ニューラルネットワーク等において確率的な要因によりその値に誤差が生じる場合に、再検討・再シミュレーション・実測データの再比較を行い、実測データとシミュレーションの再比較を互いに補完することで本研究の当初計画からの遅れを挽回可能である。
|
| Causes of Carryover |
本研究（2021年度）においては、所属機関所有の資産を有効に利用したため、次年度使用額が生じた。使用計画については当初計画を守るための使用計画とする。
|
