| 研究課題/領域番号 |
19K23516
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
0302:電気電子工学およびその関連分野
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
高橋 拓海 大阪大学, 工学研究科, 助教 (40844204)
|
|---|
| 研究期間 (年度) |
2019-08-30 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
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)
|
|---|
| キーワード | 大規模MIMO / 大規模信号検出 / 確率伝搬法 / 深層展開 / 深層学習 / データ駆動型チューニング / 大規模マルチユーザ検出 / 繰り返し推定 |
|---|
| 研究開始時の研究の概要 |
無線通信システムでさらなる活躍が期待される技術として，上り回線大規模マルチユーザMIMOがある．その実現には，受信機で信号を分離するための低処理量なマルチユーザ検出アルゴリズムが必要不可欠であり，確率伝搬法はその有力な候補として知られている．しかし現実の無線通信環境下では，受信アンテナ数の不足や観測の有相関性によるモデル誤差に起因した繰り返し収束不良が報告されており，実用化に際しての課題となっている．
そこで本研究では，深層学習を利用したモデル生成を部分的に導入し，モデル誤差の悪影響を抑圧することで，将来の無線通信システムにおいて実用され得る手法としての確率伝搬法の開発を目指す．
|
| 研究成果の概要 |
大規模MIMOは，複数の送受信アンテナを用いて情報を空間多重して伝送し，飛躍的な周波数利用効率の向上と多数端末の同時収容を可能とする次世代無線通信システムの中核技術である．その実現には，基地局で多次元情報を一括処理するための低処理量な信号処理が必要不可欠である．本研究課題では，上り回線の信号分離に着目し，確率伝搬法と深層学習の融合により，低処理量かつ高精度な大規模マルチユーザ検出の開発を目的とした．定性的に解釈可能な学習パラメータの導入や，通信路符号化を考慮した損失関数設計により，通信パラメータに応じて確率伝搬法をデータ駆動で最適化する手法を提案し，シミュレーションによりその有効性を確認した．
|
| 研究成果の学術的意義や社会的意義 |
IoT (Internet of Things) を情報基盤とするSociety 5.0の実現には，高速大容量・大規模同時接続・高信頼低遅延など，様々な要件が求められる．限られた周波数資源でこれらを達成するため，無線通信システムで扱う信号はますます大規模化・多次元化しており，多次元信号を高速かつ省電力で処理する低処理量な信号処理の開発が急務である．しかし，多くの低処理量な信号処理手法は扱う信号のモデル誤差に対して脆弱であり，実用化する上での大きな障壁となっている．本研究の本質は，この理論と実践の間にある隔たりを機械学習によって埋め合わせるものであり，未来のIoT社会を下支えする基盤技術となる．
|
