• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2019 年度 実施状況報告書

ニューラルネットワークによるマイクロ波フィルタの完全自動設計法の研究開発

研究課題

研究課題/領域番号 19K04506
研究機関埼玉大学

研究代表者

大平 昌敬  埼玉大学, 理工学研究科, 准教授 (60463709)

研究期間 (年度) 2019-04-01 – 2022-03-31
キーワードマイクロ波フィルタ / ニューラルネットワーク / 自動設計
研究実績の概要

ニューラルネットワーク(NN)を用いたマイクロ波フィルタの形状自動設計を実現すべく、2019年度は主にDeep Q-Network(DQN)を用いてフィルタの形状パラメータを設計仕様に応じて自動設計を行う技術の研究開発に注力し、以下の研究実績を上げた。
(1) DQNを用いた形状パラメータの自動設計技術の開発:マイクロ波フィルタの特徴量である結合行列を入力とし、その形状パラメータを出力とする逆モデルのNNを用いれば、理想特性の結合行列を入力するだけで瞬時に形状パラメータが出力されるという利点がある。しかし、理想特性をそのまま実現するような構造は実際にはなく、必ずしも仕様を満足するとは限らないという問題がある。その問題を克服するため、DQNを用いて形状パラメータを最適化する手法を考案し、逆モデルの初期値から設計仕様に応じて形状パラメータを最適化することに成功した。
(2) 結合行列の抽出技術の開発:結合行列はNNの学習データに用いるため、その抽出には高い精度が要求される。従来よりも抽出精度を上げるため、マイクロ波フィルタの入出力線路特性をディエンベディングする新たな手法を提案した。その手法を用いてマイクロ波フィルタの周波数特性から結合行列を抽出し、回路合成時と同じ結合行列を得ることに成功した。
(3) CNNを用いた順モデルの構築:(I)の手法は、設計すべき形状パラメータを事前に指定する必要があり、マイクロ波フィルタの構造が一つに限られてしまう。マイクロ波フィルタの共振器段数や形状に依らない自動設計技術を開発することを目的として、畳込みニューラルネットワーク(CNN)を用いた順モデルの構築についても検討した。その結果、マイクロ波フィルタの画像データからCNNを通して結合行列を出力することに成功した。つまり、マイクロ波フィルタの形状の特徴と結合行列を関連付けることができた。

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

本研究課題の最終目標であるマイクロ波フィルタの完全自動設計技術の構築に向けて、初年度の課題として、順モデルと逆モデルのNNを併用したマイクロ波フィルタ自動設計法の確立、ならびにマイクロ波フィルタの結合行列の抽出技術の高精度化を挙げた。進捗状況は以下のとおりである。
(1) 順モデルと逆モデルのNNを併用したマイクロ波フィルタの自動設計法:当初の予定通り、逆モデルのNNからマイクロストリップフィルタの形状パラメータを推定し、それを初期値としてDeep Q-Networkによって自動的に形状パラメータを最適化する手法を開発した。その方法を用いて共振器5段マイクロストリップフィルタの自動設計に成功したことから、研究は当初の計画通り順調に進んでいるものと考える。なお、今後、この手法の有効性の検証をさらに進める予定である。
(2) マイクロ波フィルタの結合行列の抽出技術の高精度化:従来の抽出技術の課題であった入出力線路特性のディエンベディング手法を提案し、その有効性を確認ことができた。その研究成果は電子情報通信学会ソサイエティ大会にて発表した。よって、本課題についても当初の計画通り順調に進んでいるものと考える。
このように研究は計画通りに遂行され、概ね順調に研究は進捗していると言える。

今後の研究の推進方策

前年度の研究成果であるマイクロ波フィルタの自動設計技術の開発が順調に進んでいることを受けて、提案書通り本年度(2020年度)では、マイクロ波フィルタ自動設計用NNの構築及びそのさらなる検証を研究課題として掲げる。特に、本年度は以下の3点を推進方策とする。
(1) DQNを用いたマイクロ波フィルタの自動設計技術の開発:2019年度はDQNがマイクロ波フィルタの自動設計に応用できることは確認できたものの、その技術の汎用性や有効性をまだ十分には検証できていない。そこで本年度は、最適解に比較的近い解が得られる逆モデルのNNを用いずに、一般的なフィルタ設計で得られる形状パラメータを初期値とする場合についても検討する。
(2) CNNを用いたマイクロ波フィルタの自動設計技術の開発:特性の形状や構成のマイクロ波フィルタだけではなく、任意形状を扱えるマイクロ波フィルタ自動設計技術の開発も進めるため、CNNを用いた手法も継続して研究開発を行う。具体的には、昨年度構築した順モデルのCNNをベースにしてフィルタ形状の類似度を算出し、形状の類似度と特性評価を併用した新たな形状最適化手法を開発する。
(3) マイクロ波フィルタの結合行列の抽出技術の高精度化:従来技術の問題点については昨年度の提案手法によって解決されたが、より安定的に結合行列を抽出できるようにするため回路の受動性に着目した抽出技術の導入について検討する。
以上の研究指針・計画は、マイクロ波フィルタ自動設計技術の構築にとって必要不可欠なフェーズである。

次年度使用額が生じた理由

2019年度使用残額は約3万円であり、概ね当初計画通り予算を執行している。2020年度においては本研究課題の研究を促進するため、電磁界シミュレーション及び実験を行うのに必要な機器・実験部材ならびに研究成果発表に必要な国内外旅費、研究成果発表費用を下記のとおり計上する。
(1) 設備備品費・消耗品費(計63万円): ニューラルネットワークの構築に必要なデータセットを生成するために高速ワークステーションならびに3次元電磁界シミュレータライセンスを購入する。また、設計したマイクロ波フィルタの一部については実験的にも有効性を実証するために回路基板試作用の部材等を購入する。(2) 成果発表のため国内外旅費(計30万円):本研究開発で得られた研究成果は積極的に国内外の学会で発表し、広く関係者に公表する。国内では、電子情報通信学会総合大会、同学会マイクロ波研究会の発表の旅費を計上する。海外では、Asia-Pacific Microwave Conferenceでの発表の渡航旅費を計上する。(3) その他(計20万円):得られた研究成果は学会発表のみならず、査読付き学術雑誌にも投稿予定である。そのための学術雑誌論文掲載費や国内外の学会発表投稿費を計上する。また、本研究開発の研究補助に係る謝金も計上する。

  • 研究成果

    (6件)

すべて 2020 2019 その他

すべて 学会発表 (5件) (うち国際学会 3件、 招待講演 2件) 備考 (1件)

  • [学会発表] ニューラルネットワークを用いたマイクロ波BPF設計2020

    • 著者名/発表者名
      大平昌敬
    • 学会等名
      電子情報通信学会スマート無線研究会
    • 招待講演
  • [学会発表] Future Microwave Circuit Design Assisted by Neural Networks - Microwave Planar Filter Design as an Example-2019

    • 著者名/発表者名
      M. Ohira
    • 学会等名
      2019 Global Symposium on Millimeter Waves
    • 国際学会 / 招待講演
  • [学会発表] A fully reconfigurable microstrip transversal resonator array bandpass filter2019

    • 著者名/発表者名
      M. Ohira, S. Hashimoto, and Z. Ma
    • 学会等名
      2019 Thailand-Japan MicroWave
    • 国際学会
  • [学会発表] A new microstrip reconfigurable transversal coupling bandpass filter with highly controllable number and positions of transmission zeros2019

    • 著者名/発表者名
      M. Ohira, S. Hashimoto, and Z. Ma
    • 学会等名
      2019 Asia-Pacific Microwave Conference
    • 国際学会
  • [学会発表] BPF結合行列抽出のためのベクトルフィッティング法による入出力線路の振幅・位相特性の高精度推定手法2019

    • 著者名/発表者名
      大平昌敬, 馬 哲旺
    • 学会等名
      2019年電子情報通信学会ソサイエティ大会
  • [備考] 埼玉大学 馬・大平・三澤研究室

    • URL

      http://sirius.reso.ees.saitama-u.ac.jp/

URL: 

公開日: 2021-01-27  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi