研究課題/領域番号 |
18K04148
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分21020:通信工学関連
|
研究機関 | 京都大学 (2020) 大阪市立大学 (2018-2019) |
研究代表者 |
林 和則 京都大学, 国際高等教育院, 教授 (50346102)
|
研究期間 (年度) |
2018-04-01 – 2021-03-31
|
研究課題ステータス |
完了 (2020年度)
|
配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2019年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2018年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
キーワード | 劣決定線形観測 / スパース性 / 離散性 / グループスパース性 / 非凸最適化 / 圧縮センシング / スパースモデリング / IoT / 複素信号 / 離散値ベクトル / 過負荷信号処理 |
研究成果の概要 |
MIMO通信の性能解析に使用されるCGMT (convex Gaussian min-max theorem)による手法を適用し,劣決定線形観測からのSOAV (sum-of-absolute-value) 最適化に基づく離散値ベクトル再構成の理論的な性能解析を行い,大システム極限におけるシンボル誤り確率や平均二乗誤差を導出することに成功した.また,SOAV最適化を拡張することで,複素の離散値ベクトルの再構成やグループスパース性を考慮した複素離散値ベクトルの再構成手法も新たに開発した.さらに,非凸の正則化項を採用することで大幅な特性改善を達成し,IoT環境での有効性を計算機実験により確認した.
|
研究成果の学術的意義や社会的意義 |
圧縮センシングは多くの信号のもつスパース性を利用することで,その次元よりも少ない線形観測から実際に観測された信号を再構成する手法であり,すでに多くの分野で利用されている.本研究はその適用範囲をさらに拡大するものであり,信号が離散性を有する場合にも圧縮センシングと同様に信号の次元よりも少ない線形観測から未知ベクトルを再構成できるアルゴリズムを開発し,さらにその理論限界を明らかにしている点で学術的な意義がある.また,特に情報通信分野で扱われる信号は複素領域の離散性を有するため,益々重要度を高めつつある情報通信システムの性能改善に直接つながるという点で社会的な意義も大きい.
|