講演抄録/キーワード |
講演名 |
2018-07-12 10:55
[ポスター講演]深層学習を用いた深度画像からのミリ波通信受信信号電力予測 ○中島功太・香田優介・山本高至・岡本浩尚・西尾理志・守倉正博(京大) RCC2018-37 NS2018-50 RCS2018-95 SR2018-34 ASN2018-31 |
抄録 |
(和) |
ミリ波通信は広帯域を用いることで1,GBit/sを超える高速通信が可能である一方,見通し通信路が障害物により遮蔽されることによる信号強度の大幅な減衰が問題となる.見通し通信路遮蔽による信号強度の減衰を補償する方法として,遮蔽が発生する前に予測的に他のアクセスポイントにハンドオーバするという方法が考えられる.本発表では,深層学習を用いて深度画像から将来のミリ波通信の受信信号電力を推定する手法を検討する.深度画像から将来の受信信号電力を予測することで,制御信号等による帯域の圧迫を回避しつつ,切り替え先のアクセスポイントの通信品質の把握が可能となる.提案手法をIEEE 802.11ad準拠ミリ波通信無線LAN機器を用いたテストベッドに実装し,実証実験により評価を行う.入力する深度画像の枚数をパラメータとして3,種類の機械学習モデルを比較し,推定精度及び学習時間の点について評価を行う. |
(英) |
This paper experimentally finds the optimum number of input images of a machine learning-based mmWave received signal strength (RSS) value prediction scheme from depth images. By modeling the relationships between time-sequential depth images and RSS values based on machine learning, it is possible to predict the future RSS values, and thereby, a predictive handover makes a moment of degradation of the RSS value avoidable. As prediction models of RSS value, two machine learning models are compared: the combination of the convolutional neural network and convolutional long short-term memory (CNN+ConvLSTM), and random forest. As the number of input images increases, the prediction accuracy generally improves, however, too numerous input images may make the prediction accuracy worse because of over-fitting. Experimental results reveal that the number of input images that are input in order to predict the RSS value the most accurately is 16. |
キーワード |
(和) |
機械学習 / 深層学習 / 無線通信品質予測 / ミリ波通信 / ハンドオーバ / / / |
(英) |
machine learning / deep learning / wireless communication quality prediction / millimeter-wave communications / handover / / / |
文献情報 |
信学技報, vol. 118, no. 127, ASN2018-31, pp. 91-92, 2018年7月. |
資料番号 |
ASN2018-31 |
発行日 |
2018-07-04 (RCC, NS, RCS, SR, ASN) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
RCC2018-37 NS2018-50 RCS2018-95 SR2018-34 ASN2018-31 |
研究会情報 |
研究会 |
ASN NS RCS SR RCC |
開催期間 |
2018-07-11 - 2018-07-13 |
開催地(和) |
函館アリーナ |
開催地(英) |
Hakodate Arena |
テーマ(和) |
無線分散ネットワーク,機械学習とAIを応用した無線通信・ネットワーク技術,M2M (Machine-to-Machine),D2D (Device-to-Device),IoT(Internet of Things),一般 |
テーマ(英) |
Wireless Distributed Network, Machine Learning and AI for Wireless Communications and Networks, M2M (Machine-to-Machine), D2D (Device-to-Device), IoT(Internet of Things), etc. |
講演論文情報の詳細 |
申込み研究会 |
ASN |
会議コード |
2018-07-ASN-NS-RCS-SR-RCC |
本文の言語 |
日本語 |
タイトル(和) |
深層学習を用いた深度画像からのミリ波通信受信信号電力予測 |
サブタイトル(和) |
|
タイトル(英) |
Deep Learning Based RSS Prediction Using RGB-D Camera for mmWave Communications |
サブタイトル(英) |
|
キーワード(1)(和/英) |
機械学習 / machine learning |
キーワード(2)(和/英) |
深層学習 / deep learning |
キーワード(3)(和/英) |
無線通信品質予測 / wireless communication quality prediction |
キーワード(4)(和/英) |
ミリ波通信 / millimeter-wave communications |
キーワード(5)(和/英) |
ハンドオーバ / handover |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
中島 功太 / Kota Nakashima / ナカシマ コウタ |
第1著者 所属(和/英) |
京都大学 (略称: 京大)
Kyoto University (略称: Kyoto Univ.) |
第2著者 氏名(和/英/ヨミ) |
香田 優介 / Yusuke Koda / コウダ ユウスケ |
第2著者 所属(和/英) |
京都大学 (略称: 京大)
Kyoto University (略称: Kyoto Univ.) |
第3著者 氏名(和/英/ヨミ) |
山本 高至 / Koji Yamamoto / ヤマモト コウジ |
第3著者 所属(和/英) |
京都大学 (略称: 京大)
Kyoto University (略称: Kyoto Univ.) |
第4著者 氏名(和/英/ヨミ) |
岡本 浩尚 / Hironao Okamoto / オカモト ヒロナオ |
第4著者 所属(和/英) |
京都大学 (略称: 京大)
Kyoto University (略称: Kyoto Univ.) |
第5著者 氏名(和/英/ヨミ) |
西尾 理志 / Takayuki Nishio / ニシオ タカユキ |
第5著者 所属(和/英) |
京都大学 (略称: 京大)
Kyoto University (略称: Kyoto Univ.) |
第6著者 氏名(和/英/ヨミ) |
守倉 正博 / Masahiro Morikura / モリクラ マサヒロ |
第6著者 所属(和/英) |
京都大学 (略称: 京大)
Kyoto University (略称: Kyoto Univ.) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2018-07-12 10:55:00 |
発表時間 |
80分 |
申込先研究会 |
ASN |
資料番号 |
RCC2018-37, NS2018-50, RCS2018-95, SR2018-34, ASN2018-31 |
巻番号(vol) |
vol.118 |
号番号(no) |
no.123(RCC), no.124(NS), no.125(RCS), no.126(SR), no.127(ASN) |
ページ範囲 |
pp.75-76(RCC), pp.81-82(NS), pp.93-94(RCS), pp.85-86(SR), pp.91-92(ASN) |
ページ数 |
2 |
発行日 |
2018-07-04 (RCC, NS, RCS, SR, ASN) |
|