| 研究課題/領域番号 |
19H02142
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分21020:通信工学関連
|
|---|
| 研究機関 | 慶應義塾大学 |
|---|
研究代表者 |
大槻 知明 慶應義塾大学, 理工学部(矢上), 教授 (10277288)
|
|---|
| 研究分担者 |
豊田 健太郎 慶應義塾大学, 理工学部(矢上), 訪問助教 (60723476)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)
2022年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2021年度: 4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2020年度: 3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2019年度: 6,110千円 (直接経費: 4,700千円、間接経費: 1,410千円)
|
|---|
| キーワード | MIMO / CSI / 深層学習 / 第6世代無線通信システム / 転移学習 / 通信路状態情報 / Massive MIMO / 適応量子化情報 / 条件付き相互情報量 / 変調識別器 / CSIフィードバック / FDD / BPアルゴリズム / Polar符号 / BP復号 / パイロット汚染 / ミリ波 / 超解像技術 |
|---|
| 研究開始時の研究の概要 |
本研究では，無線通信路に適した適応量子化及び量子化情報に基づく信号処理設計と，深層学習に基づくパラメータ最適化・入力推定を用いた超大容量・超低遅延・超低消費電力無線通信の実現を目指す．具体的には，まず統計的性質が異なる種々の状態を取る未知の無線通信路に対する条件付き相互情報量規範の適応量子化法について検討する．
次に，量子化情報に基づく通信路推定・誤り訂正復号器等の各種信号処理設計について検討する．また，深層学習を用いた無線通信システムの各パラメータ最適化・入力推定について研究する．
|
| 研究成果の概要 |
本研究では，無線通信路に適した適応量子化及び量子化情報に基づく信号処理設計と，深層学習に基づくパラメータ最適化・入力推定を用いた超大容量・超低遅延・超低消費電力無線通信の実現を目指す．
まず無線通信システムの様々な処理で重要となる通信路状態情報（CSI）のフィードバック方法について，自動符号化器）と転移学習，量子化等に基づくフィードバック情報量が少なく高い精度が得られる方法を複数提案し，IEEEの国際会議等で発表した．また，データを共有せずに優れた学習モデルを構築できる連合学習について，従来問題となっていたデバイスでの演算量とデバイスーサーバー間の通信量を減らす新たな連合学習を提案した．
|
| 研究成果の学術的意義や社会的意義 |
本研究では，無線通信路に適した適応量子化及び量子化情報に基づく信号処理設計と，深層学習に基づくパラメータ最適化・入力推定を用いた超大容量・超低遅延・超低消費電力無線通信の実現を目指し研究した．複数の方式を開発・提案したが，研究成果に基づき，Beyond 5Gや6Gで要求される大容量化及び処理遅延低減を実現することが期待される．また，コロナに対応する新たなアプリケーションとしても期待される．
|
