講演抄録/キーワード |
講演名 |
2019-06-21 11:40
適応変調符号化のためのニューラルネットワークを用いたSNR推定法 ○小島 駿・丸田一輝・安 昌俊(千葉大) RCS2019-94 |
抄録 |
(和) |
IoT などの革新的通信技術の普及に伴い, 次世代の移動体無線通信技術には, 高速移動環境下等の厳しい環境においても高速かつ高品質な通信を実現することが求められている. 適応変調符号化(AMC)技術は, フェージングなどの様々な条件下でスループット性能を最大化するための技術であり, 現在広く利用されている. AMC の制御には, 信号対雑音比(SNR)を利用する方法が広く知られているが, このSNR 情報を生成・フィードバックする過程で生じる処理遅延は, 特に高速移動環境では高速・大容量通信の実現の際のネックとなってしまう. そこで本稿では, ニューラルネットワーク(ANN)を用いて電力スペクトル密度(PSD)からSNR を推定する手法を提案する. PSD はドップラーシフトによってほとんど影響を受けないため, 高速移動環境に強いロバスト性を持つ. スループットに関する提案法の有効性を, 既存のエラーベクトル振幅(EVM)ベースのリンクAMC 方式と比較し, シミュレーションによって検証した. |
(英) |
This paper proposes a novel Adaptive Modulation and Coding (AMC) scheme enabled by Artificial
Neural Network (ANN) aided Signal-to-Noise power Ratio (SNR) estimation. The Power Spectral Density (PSD) values are trained for SNR classification and it is mapped to respective Modulation and Coding Scheme (MCS) sets. Once trained, optimal MCS can be determined in low calculation complexity. The proposed approach is robust especially in high mobility environment since the PSD appearance is hardly influenced by the Doppler shift. Its effectiveness in terms of throughput is presented through computer simulations compared to the existing Error Vector Magnitude (EVM) based link adaptation scheme. |
キーワード |
(和) |
適応変調符号化 / ニューラルネットワーク / SNR推定 / / / / / |
(英) |
adaptive modulation and coding / neural network / SNR estimation / / / / / |
文献情報 |
信学技報, vol. 119, no. 90, RCS2019-94, pp. 333-338, 2019年6月. |
資料番号 |
RCS2019-94 |
発行日 |
2019-06-12 (RCS) |
ISSN |
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 |
RCS2019-94 |
研究会情報 |
研究会 |
RCS |
開催期間 |
2019-06-19 - 2019-06-21 |
開催地(和) |
宮古島 平良港ターミナルビル |
開催地(英) |
Miyakojima Hirara Port Terminal Building |
テーマ(和) |
初めての研究会,リソース制御,スケジューリング,無線通信一般 |
テーマ(英) |
First Presentation in IEICE Technical Committee, Resource Control, Scheduling, Wireless Communications, etc. |
講演論文情報の詳細 |
申込み研究会 |
RCS |
会議コード |
2019-06-RCS |
本文の言語 |
日本語 |
タイトル(和) |
適応変調符号化のためのニューラルネットワークを用いたSNR推定法 |
サブタイトル(和) |
|
タイトル(英) |
SNR Estimation by using Neural Network in Adaptive Modulation and Coding |
サブタイトル(英) |
|
キーワード(1)(和/英) |
適応変調符号化 / adaptive modulation and coding |
キーワード(2)(和/英) |
ニューラルネットワーク / neural network |
キーワード(3)(和/英) |
SNR推定 / SNR estimation |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
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) |
小島 駿 / Shun Kojima / コジマ シュン |
第1著者 所属(和/英) |
千葉大学 (略称: 千葉大)
Chiba University (略称: Chiba Univ.) |
第2著者 氏名(和/英/ヨミ) |
丸田 一輝 / Kazuki Maruta / マルタ カズキ |
第2著者 所属(和/英) |
千葉大学 (略称: 千葉大)
Chiba University (略称: Chiba Univ.) |
第3著者 氏名(和/英/ヨミ) |
安 昌俊 / Chang-Jun Ahn / アン チャンジュン |
第3著者 所属(和/英) |
千葉大学 (略称: 千葉大)
Chiba University (略称: Chiba Univ.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
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 |
2019-06-21 11:40:00 |
発表時間 |
10分 |
申込先研究会 |
RCS |
資料番号 |
RCS2019-94 |
巻番号(vol) |
vol.119 |
号番号(no) |
no.90 |
ページ範囲 |
pp.333-338 |
ページ数 |
6 |
発行日 |
2019-06-12 (RCS) |
|