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 2019-07-11 13:30
畳み込み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
技報オンラインサービス実施中
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 の制御に信号対雑音比(SNR)を利用する方法が知られているが, 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ボトルネックとなってしまう. そこで本稿では, 畳み込みニューラルネットワーク(CNN)を用いて電力スペクトル密度(PSD)画像から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ち, さらに取得が非常に容易である. シミュレーションを行い, スループットに関する提案法の有効性を, 通常のニューラルネットワークによるSNR 推定法によるAMC と比較することによって検証した. 
(英) This paper proposes a novel Adaptive Modulation and Coding (AMC) scheme enabled by Convolutional Neural Network (CNN) 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 SNR estimation method using Neural Network (NN) based link adaptation scheme.
キーワード (和) CNN / AMC / SNR推定 / / / / /  
(英) CNN / AMC / SNR estimation / / / / /  
文献情報 信学技報, vol. 119, no. 108, RCS2019-131, pp. 149-154, 2019年7月.
資料番号 RCS2019-131 
発行日 2019-07-03 (RCC, NS, RCS, SR, SeMI) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 SeMI RCS NS SR RCC  
開催期間 2019-07-10 - 2019-07-12 
開催地(和) I-Siteなんば(大阪) 
開催地(英) I-Site Nanba(Osaka) 
テーマ(和) 特集セッション「AI時代の将来無線に向けた通信・ネットワーク制御」 ,一般 
テーマ(英) Communication and Networked Control for the Future Radio of the AI Age, etc 
講演論文情報の詳細
申込み研究会 RCS 
会議コード 2019-07-SeMI-RCS-NS-SR-RCC 
本文の言語 日本語 
タイトル(和) 畳み込み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 method using convolutional neural network 
サブタイトル(英)  
キーワード(1)(和/英) CNN / CNN  
キーワード(2)(和/英) AMC / AMC  
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 /
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
発表日時 2019-07-11 13:30:00 
発表時間 25 
申込先研究会 RCS 
資料番号 IEICE-RCC2019-38,IEICE-NS2019-74,IEICE-RCS2019-131,IEICE-SR2019-50,IEICE-SeMI2019-47 
巻番号(vol) IEICE-119 
号番号(no) no.106(RCC), no.107(NS), no.108(RCS), no.109(SR), no.110(SeMI) 
ページ範囲 pp.127-132(RCC), pp.153-158(NS), pp.149-154(RCS), pp.159-164(SR), pp.141-146(SeMI) 
ページ数 IEICE-6 
発行日 IEICE-RCC-2019-07-03,IEICE-NS-2019-07-03,IEICE-RCS-2019-07-03,IEICE-SR-2019-07-03,IEICE-SeMI-2019-07-03 


[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