| Project/Area Number |
23K26101
|
|---|
| Project/Area Number (Other) |
23H01406 (2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 21020:Communication and network engineering-related
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
大鐘 武雄 北海道大学, 情報科学研究院, 教授 (10271636)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
筒井 弘 北海道大学, 情報科学研究院, 准教授 (30402803)
西村 寿彦 北海道大学, 情報科学研究院, 教授 (70301934)
|
|---|
| Project Period (FY) |
2023-04-01 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥15,600,000 (Direct Cost: ¥12,000,000、Indirect Cost: ¥3,600,000)
Fiscal Year 2026: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
Fiscal Year 2025: ¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000)
Fiscal Year 2024: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2023: ¥5,850,000 (Direct Cost: ¥4,500,000、Indirect Cost: ¥1,350,000)
|
|---|
| Keywords | 深層学習 / 到来方向推定 / USRP |
|---|
| Outline of Research at the Start |
本課題は，到来方向推定問題における深層学習の新しい適用方法について確立するものである．具体的には，ある状況において高精度推定と学習の容易さを両立する特化型Networkを多数用意し，一般的な到来方向推定問題を細分化・分類することで，それぞれの分類に適した特化型Networkを適用させる手法である．シミュレーションによる評価だけでなく，屋内・屋外環境でUSRPを用いた実証にも挑戦する．
|
| Outline of Annual Research Achievements |
各到来波数に対応した特化型DNNの設計を図ることが大きな目標であった．そのため，まず3波到来環境に適したDNNを構築した．さらに，SN比に応じて訓練したSNR特化型DNNで推定すると特性が向上することから，あるSNRと推定波数における特化型DNNの構築を図った．次に，これを用いて，2波到来環境と3波到来環境に対応可能なシステムを構築するため，到来波数を推定するDNNとSNRを推定するDNNとを用意し，これらの推定結果を基に，最適な特化型DNNを選択する手法を採用した．その結果，2波到来環境で約95%以上に，3波到来環境においても約85%の成功率を達成できた．しかし，低SNR環境や，3波到来環境の成功率はまだ不十分であることも明らかとなった．
低SNR環境での問題は，データに含まれる雑音が無駄な入力となっているということである．そこで，入力データに対して主成分分析を行い，SNRに応じて入力次元を削減することを新たに提案した．その結果，SNR=0dBの環境において，推定成功率を約10%から60%以上に改善することができた．
3波到来環境においては，推定失敗例を解析した結果，3波が約20度以内の範囲に集中している場合に推定誤りが多く発生していることがわかった．そこで，3波が約20度以内の範囲に集中している場合を想定した近接波特化型DNNを構築し，通常の特化型DNNでの推定結果において3波が約20度以内の範囲に集中している場合には，前記の近接波用DNNを再度適用し直すことを行なった．これにより，推定成功率を約99%に向上することができた．
実測用USRPに関しては，Lora変調を用いて通信実験を行うことができた．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
特化型DNNの開発は順調に成功している．現在，5波到来環境まで想定した予備検討を行っており，推定劣化原因の推定を完了すれば，新たな特化型DNNの開発に進めるものと考えている．
USRPにおいては，実際に送受信が成功し，データを取得できる環境が構築できた．
以上の理由から概ね順調と判断した．
|
| Strategy for Future Research Activity |
5波到来環境までを想定し，4波以上の環境において推定劣化要因を明らかにすることがまず第一に必要である．次に，その要因に対し，有効な特化型DNNの開発について検討を行う．これが成功すれば，推定劣化が生じると予想される環境であるかどうかを判断する特化型DNNと組み合わせることで，統合システムが構築できる．また，これを用いた推定結果から，5波到来環境までを想定した場合に必要な受信アンテナ数を決定し，それを満足するUSRP受信系を構築する．複数USRPを使用する場合，同期やキャリブレーションといった解決すべき問題がある．これらについて検討を行い，まずは簡単なビーム走引型到来方向推定で2波到来環境までの推定を電波暗室内で行うことを目指す．さらにその先には，DNN以外のネットワークの検討や，DNNのUSRP実装について検討を行う予定である．
|
