| 研究概要 |
直交周波数分割多重(Orthogonal Frequency Division Multiplexing : OFDM)方式は,ガードインターバルの設定によりマルチパスへの耐性を高めることが可能であり,これまで地上波ディジタルTV放送や無線LAN等の通信方式として採用され,最近では,次世代移動通信システムへの検討が積極的に進められている.しかし,OFDM信号のピーク電力対平均電力比(Peak to Average Power Ratio : PAPR)は単一キャリア伝送方式のPAPRに比べ非常に大きく,非線形増幅器を通すと相互変調雑音の増加により誤り率特性が著しく劣化し,OFDM方式の実用化において非常に重要な課題となる.
同問題に対処するため,先に筆者らはPAPRを抑圧するための位相回転量決定問題を組合せ最適化問題として捉え,ホップフィールドニューラルネットワーク(Hopfield Neural Network : HNN)およびカオスニューラルネットワーク(Chaotic Neural Network : CNN)を用いたアルゴリズムを提案した.しかしながら,同手法では送・受信装置の小規模化が不可能であることから,本研究では各サブキャリア信号に位相回転を施すのではなく,幾つかのサブキャリア信号からなるブロック信号に位相回転を施すと共に,各ブロック信号に対する位相回転量をPAPRが最小となるように,HNNおよびCNNより決定する新たなブロックSLM法を展開した.更に,HNNおよびCNNを用いたブロックSLM法によるPAPR抑圧システムを,FPGA (Field Programmable Gate Array)を想定して回路設計を行い試作システムを製作すると共に,試作システムの動作を検証し,提案手法の有効性を実験を通して明らかにした.
|
