電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2019-06-21 11:30
Massive MIMOにおけるノード選択BP検出法のニューラルネットワークを用いたdamping係数学習
橘 順太大槻知明慶大
技報オンラインサービス実施中
抄録 (和) Massive MIMO (multiple-input multiple-output) システムにおける,受信信号の分離・検出法として,BP (belief propagartion) 検出が知られている.BP 検出では MIMO 通信路をファクターグラフで表し,メッセージ交換により送信シンボルを推定するが,MIMO 通信路に含まれる多数のループにより BP の収束特性は劣化する.収束特性を改善する方法として,重み係数 (damping 係数) を用いて2つの連続したメッセージを平均化する damped BP が知られている.また,アンテナ配置ごとに damping 係数をオフラインで学習する DNN-dBP (deep neural network-based damped BP) が報告されている.ただし,最適な damping 係数はアンテナ相関ごとに異なるため,学習時と評価時の通信路モデルの不整合により検出特性が劣化する.本稿ではこの問題を解決するため,空間相関が低くなるよう更新ノードを選択するノード選択 (NS:Node selection) 法を DNN-dBP に組み合わせた信号検出法を提案する.NS を適用した BP に対し damping 係数を学習し,アンテナ相関の影響を低減することで,各通信路モデルの damping 係数の最適値の差異は低減される.それにより,提案法では,アンテナ配置ごとに一回のオフライン学習により,様々な相関値を持つ通信路上で検出特性を改善できる.計算機シミュレーションにより,提案法が通信路モデルの不整合による検出特性劣化を大きく低減することを示す.また,提案法は,固定通信路 (FC:fixed channel) だけでなく,時変通信路 (VC:varying channel) でも従来の DNN-dBP に比べ検出特性を改善することを示す. 
(英) In a massive multiple-input multiple-output (MIMO) system, belief propagation (BP) detection is known as a method to separate and detect received signals.In BP detection, a MIMO channel is represented by a factor graph and the transmitted symbols are estimated by message passing. However, the convergence property of BP deteriorates deteriorates due to multiple loops included in the MIMO channel.As a method to improve the convergence property, the damped BP that averages the two successive messages with a weighing factor (called damping factor) is known.To train the damping factors off-line for each antenna configuration, deep neural network-based damped BP (DNN-dBP) has been reported.The problem with DNN-dBP is that the detection performance deteriorates due to the mismatches of the channel models between training and test, because the optimal damping factors vary with the channel correlation.In this report, to solve this issue, we propose the method combining DNN-dBP and the node selection (NS) method that selects nodes to be updated to lower spatial correlation.We train the damping factors of BP to which the NS method is applied.The mitigation of the effect of the channel correlation results in reducing the difference between the optimal values of the damping factors for each channel model. Therefore, the proposed method improves the detection performance in channels with various correlation values with one off-line training for each antenna configuration.By computer simulation, it is shown that the proposed method reduces the detection performance deterioration due to the mismatches of the channel models.The results also show that the proposed method has better detection performance than the conventional DNN-dBP not only in the fixed channel (FC) scenario but also in the time-varying channel (VC) scenario.
キーワード (和) Massive MIMO / BP 検出 / ニューラルネットワーク / 5G / / / /  
(英) Massive MIMO / BP detection / Neural network / 5G / / / /  
文献情報 信学技報, vol. 119, no. 90, RCS2019-93, pp. 327-332, 2019年6月.
資料番号 RCS2019-93 
発行日 2019-06-12 (RCS) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

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) Massive MIMOにおけるノード選択BP検出法のニューラルネットワークを用いたdamping係数学習 
サブタイトル(和)  
タイトル(英) Damping Factor Learning of BP Detection with Node Selection in Massive MIMO using Neural Network 
サブタイトル(英)  
キーワード(1)(和/英) Massive MIMO / Massive MIMO  
キーワード(2)(和/英) BP 検出 / BP detection  
キーワード(3)(和/英) ニューラルネットワーク / Neural network  
キーワード(4)(和/英) 5G / 5G  
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) 橘 順太 / Junta Tachibana / タチバナ ジュンタ
第1著者 所属(和/英) 慶應義塾大学 (略称: 慶大)
Keio University (略称: Keio Univ.)
第2著者 氏名(和/英/ヨミ) 大槻 知明 / Tomoaki Ohtsuki /
第2著者 所属(和/英) 慶應義塾大学 (略称: 慶大)
Keio University (略称: Keio Univ.)
第3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
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
発表日時 2019-06-21 11:30:00 
発表時間 10 
申込先研究会 RCS 
資料番号 IEICE-RCS2019-93 
巻番号(vol) IEICE-119 
号番号(no) no.90 
ページ範囲 pp.327-332 
ページ数 IEICE-6 
発行日 IEICE-RCS-2019-06-12 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会