光ファイバ無線伝送システムにおける無線信号圧縮法に関する研究

2023 Fiscal Year Research-status Report

• Project/Area Number: 22K14257
• Research Institution: Osaka University
• Principal Investigator: 久野 大介 大阪大学, 大学院工学研究科, 助教 (40802088)
• Project Period (FY): 2022-04-01 – 2025-03-31
• Keywords: データ圧縮

Outline of Annual Research Achievements

5Gおよび6G時代のセルラー基地局では、LTEや4G時代の基地局を細分化し、複数の場所に配備する構成が取られる。無線のRF部を切り出したRadio Unit (RU)はアンテナサイトに配備され、変調や符号化を担うDistributed Unit (DU)はモバイルオペレータの持つ通信ビルなどに配備される。このRUとDUの間は光ファイバで接続され、フロントホールと呼ばれる。近年は、このフロントホールに要求される通信容量の増大が懸念されている。本助成では、このフロントホールの効率的な信号圧縮法を検討する。2022年度には、提案方式である深層学習を用いた無線信号圧縮に関して、もっとも簡易な構成である２層のニューラルネットワークを用いた圧縮を解析した。圧縮時に信号を２値のオンオフ信号に変換する必要があるが、その際に離散化処理を行うため、微分不可となる。これに対して、Skip connectionを導入することにより、良好な特性が得られた。また、本方式と従来手法である線形量子化器および非線形量子化器と特性比較を実施した。提案方式と非線形量子化器の特性はほぼ同性能であったが、今後、通信路から受ける波長分散などの信号歪みを考慮することで、提案手法の有効性を調査していく。2023年度は、FPGAを用いたハードウェア実装を開始し、深層学習のユニット数と実行時間にトレードオフを調査、最適動作点を求め、問題ない圧縮性能が得られるとともに要求時間内に処理が完結することを確認した。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

2022年度に解析したニューラルネットワークの構成について、FPGAを用いたハードウェア実装を行った。深層学習のユニット数と実行時間にトレードオフがあるので、最適動作点を求め、問題ない圧縮性能が得られるとともに要求時間内に処理が完結することを確認した。

Strategy for Future Research Activity

外部発表を中心に行うとともに、リアルタイム動作に向けて、評価治具の開発を行う。

Causes of Carryover

研究進捗の都合で，2023年度開催の国際会議への参加を取りやめたため，次年度に予算を繰り越す．
繰越金は，2024年9月の国際会議で発表予定であるため，そこで使用する．