| 研究課題/領域番号 |
21K14161
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分21020:通信工学関連
|
|---|
| 研究機関 | 鹿児島工業高等専門学校 |
|---|
研究代表者 |
井手 輝二 鹿児島工業高等専門学校, 電気電子工学科, 教授 (30617858)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2022年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2021年度: 4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
|
|---|
| キーワード | コグニティブ無線 / 電波環境マップ(REM) / 伝搬モデル / 深層学習 / CNN(畳み込みニューラルネットワーク) / センシング / 電波環境マップ / 電波伝搬 |
|---|
| 研究開始時の研究の概要 |
周波数を共用するためにはREM(電波環境マップ)が有効である。このための精度の高い測定はレイトレースシミュレーションや各種伝搬モデルなどの従来の方法では、実測値との乖離の問題がある。本研究では教師なし機械学習のHMM(Hidden Markov Model)によるセンシングからPU(一次ユーザ）の数、各PUからの受信電力等のパラメータ推定、REM作成用の各種伝搬モデル推定を行い、さらに電波環境に適合する伝搬モデルを精度が高いRes(残差)NetとCNN(畳み込みニューラルネットワーク)の組み合わせの深層学習(DL)により推定し、周波数共用への波及効果が高く精度のよい結果(REM)が得られる。
|
| 研究実績の概要 |
周波数共用目的のコグニティブ無線のセンシングにおいて教師なし学習によりPUの数、PU(一次ユーザ）のパラメータ（受信電力、チャネル占有率等）推定を行い、精度が良い深層学習(DL)の構成であるRes(残差)Netと通常のCNN(畳み込みニューラルネットワーク)の組合せの提案方法により電波環境に適合するREM(電波環境マップ)作成用の各種伝搬モデル推定をDLにより推定するための目途付けを行った。上記構成であるRes(残差)Netと通常のCNNの組合せさらにはLSTM(Long Short Term Memory)と通常のCNNのいずれか性能にすぐれ、適した方法（2種類の提案方式）について基礎的な確認及び検証のシミュレーションを行い、変調方式推定及び通信システム(5G,LTE,無線LAN)推定が行われている事から上記2種類の提案方式の構成が深層学習の構成及び組み合わせにおいて適切であるとの結論を得ることができた。提案方式の構成は識別率（分類率）が80～90％以上であり、各種伝搬モデルの推定に適切であることが確認された。また以下の伝搬モデルに提案方式の構成が適用可能なことが確認できた。各種伝搬モデルの検討で6種類の伝搬モデルにおいて予備計算を行い、適合性の検討を行い、伝搬モデルの絞り込みを行った。各種伝搬モデルは以下のシミュレーションによりCOST-231、M.1225、M.2135の各伝搬モデルと決定した。（伝搬環境は東京都中野区を想定）（以下は実施事項）
①2021年度(令和3年度)：各種伝搬モデル推定シミュレーション実施による目途付け及び検討
②2022年度(令和4年度)：各種伝搬モデルと比較するためのレイトレースシミュレーション実施による目途付け及び検討
③2023年度(令和5年度)：各種伝搬モデルと比較するための実測データ取得と上記提案方式シミュレーション方法との適合性検証
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
当該研究者は、応募時には予定されていなかった当該研究期間中に鹿児島工業高等専門学校電気電子工学科の学科長の職位となり、その職位が3年間継続したため当該学科及び学校の管理業務により多忙となり研究時間に制限が生じ、さらに新型コロナウイルス感染症の影響により機材の入手が困難となり研究計画に変更が生じたことで当初の計画よりやや遅れることとなった。
|
| 今後の研究の推進方策 |
今後は、電波環境に適合するREM(電波環境マップ)作成を行うための深層学習を使用した各種伝搬モデル（COST-231、M.1225、M.2135）の推定結果とレイトレースシミュレーション及び実測結果を比較検討して解析を行う。
|
