研究課題/領域番号 |
22K04108
|
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 | 慶應義塾大学 |
研究代表者 |
眞田 幸俊 慶應義塾大学, 理工学部(矢上), 教授 (90293042)
|
研究期間 (年度) |
2022-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2023年度)
|
配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2024年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
キーワード | 大規模MIMO / マルコフ連鎖モンテカルロ法 / メトロポリス・ヘイスティングス法 / 最急降下法 / 超多素子アンテナ / Gibbsサンプリング |
研究開始時の研究の概要 |
本研究では第6世代移動通信に用いられる大規模MIMO技術のための復調アルゴリズムとして,解候補ベクトルの複数の要素を並列に最適化するアルゴリズムを提案し,その収束特性ならびに計算量を評価する.提案方式は最適化アルゴリズムとして最小2乗アルゴリズムをメトロポリス・ヘイスティングス法と組み合わせることにより,解候補ベクトルの複数の要素を並列に最適化し,高速かつ比較的低演算量でMIMO復調を実現する.そして,大規模MIMOの通信環境において,収束特性の改善を目指す.さらに大規模MIMOに用いられるビームフォーミングを提案手法に組み合わせて適用した場合の収束特性を評価し,同時に計算量の低減を検討する.
|
研究実績の概要 |
本研究では第6世代移動通信に用いられる大規模Multi-Input Multi-Output(MIMO)技術のための復調アルゴリズムとして,解候補ベクトルの複数の要素を並列に最適化するアルゴリズムを提案し,その収束特性ならびに計算量を評価する.従来のマルコフ連鎖モンテカルロ法では逐次的に解候補ベクトルの要素を最適化していた.これに対して提案方式は最適化アルゴリズムとして最急降下法をマルコフ連鎖モンテカルロ法の一方式であるメトロポリス・ヘイスティングス法と組み合わせることにより,解候補ベクトルの複数の要素を並列に最適化し,高速かつ比較的低演算量でMIMO復調を実現する. 本年度はチャネル応答行列および受信信号ベクトルに最小平均二乗誤差重みベクトルを乗算し,チャネル応答行列の非対角項を抑制するMIMO信号検出方式を提案した.提案方式ではこの操作により各受信信号要素が対応する送信信号要素に対して強い影響を受ける.つまり送信信号点を探索するための評価関数平面の形状がフラットになり,雑音の影響を受けにくくなる.そのため信号対雑音電力比が低い場合や探索回数が少ない場合に,QPSKシンボルおよび64QAMシンボルの両方の場合において,送信シンボルの変調次数に関わりなく従来方式に比べて優れた特性を示した.しかしながらチャネル応答行列の非対角項を抑圧するために希望信号の受信電力を削減しており,その影響で信号対雑音電力比が高い場合や探索回数が多い場合には逆に特性が劣化した.
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本研究は2023年度の研究予定として1)「受信アンテナ素子のチャネル応答間で相関がある場合の特性を評価する.相関量に応じて最小2乗アルゴリズムの更新係数を最適化する.」2)「チャネル応答の大小により受信アンテナをグループ化し,それぞれのグループに対して個別の最小二乗アルゴリズムの更新係数を適応することによる効果を検討する.」ことを予定していた. 1)に関してその対策法として今回の最小平均二乗誤差重みベクトルを適用する方式を提案し,特性を改善できることを示した.2)に関しては並列化による計算量削減を念頭に特性評価を行ったが、グループ化による次元数低減の影響が大きく,誤り率特性を改善することはできなかった.
|
今後の研究の推進方策 |
本研究は2024年度の研究予定として1)「最小2乗アルゴリズムの更新係数を複数用意し,並列に提案アルゴリズムを適用した場合の特性を評価する.また初期候補ベクトルも複数用意し,並列に提案アルゴリズムを適用した場合の特性も評価する.」2)「解の探索にメトロポリス・ヘイスティングス法の評価関数を組み合わせることを検討する.」を予定している. 2023年度で提案した最小平均二乗誤差重みベクトルを適用したチャネル応答行列と通常のチャネル応答行列の2つに対して並列に最急降下法を適用し,その両方の解から信号を復調することを検討する.また解の探索の際に用いるメトロポリス・ヘイスティングス法を適用する解候補に変調シンボルの情報を組み合わせる.すなわち変調シンボルの最大振幅はあらかじめ既知であるので,これを逸脱するような解候補を選択しないように制御する.これにより特に低次変調信号に対して特性改善が見込まれる.
|