講演抄録/キーワード |
講演名 |
2019-07-11 13:55
深層学習を用いた近接波の到来方向推定の検討 ○加瀬裕也・西村寿彦・大鐘武雄・小川恭孝(北大)・来山大祐・岸山祥久(NTTドコモ) RCC2019-39 NS2019-75 RCS2019-132 SR2019-51 SeMI2019-48 |
抄録 |
(和) |
電波の到来方向推定は,移動通信におけるユーザの位置推定や各種レーダに応用される技術である.MUSICやESPRITといった古典的な手法に加え,計算資源が発展した近年では圧縮センシングを用いた手法等,様々な手法が検討されている.圧縮センシングはMUSICよりも高い精度で推定できる一方で,計算負荷が大きい.このような大きな計算負荷を許容できる場合,深層学習を適用することでより高い精度で定が行えると期待される.本稿では,一般に推定が困難とされる近接到来波の推定に特化したネットワークを構築し,線形アレーアンテナに2波の狭帯域信号が角度差$1^circ$で到来するモデルにおいて,推定精度に関する検討を行った.加えて,角度差の制約なしに訓練したネットワークと組み合わせて推定を行った場合についても検討を行った.その結果,MUSICと比較して非常に高い精度で近接波の推定が行えることや,学習環境への依存性などが確認された. |
(英) |
Direction of arrival (DOA) estimation of radio waves is applicable to localization of users in mobile communication and radar systems. In addition to MUSIC and ESPRIT, which are well-known traditional algorithms, compressed sensing has been used for DOA estimation with the development of computing resources. Although compressed sensing requires larger computational load, it has a higher accuracy compared with MUSIC in general. If such a large computational load is acceptable, it is expected that we can obtain higher estimation accuracy by applying deep learning. In this paper, we design a network suitable to the case where two narrow-band signals with close DOAs impinge on a linear array and examine its characteristics. In addition, we consider the case where two networks trained with and without close DOAs restriction are used in parallel. Simulations show that higher estimation accuracy than MUSIC is obtained in the close DOAs situation and that the performance highly depends on the training models. |
キーワード |
(和) |
到来方向推定 / アレーアンテナ / 深層学習 / / / / / |
(英) |
DOA estimation / array antenna / deep learning / deep neural network / / / / |
文献情報 |
信学技報, vol. 119, no. 108, RCS2019-132, pp. 155-160, 2019年7月. |
資料番号 |
RCS2019-132 |
発行日 |
2019-07-03 (RCC, NS, RCS, SR, SeMI) |
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 |
RCC2019-39 NS2019-75 RCS2019-132 SR2019-51 SeMI2019-48 |
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) |
深層学習を用いた近接波の到来方向推定の検討 |
サブタイトル(和) |
|
タイトル(英) |
A Study on Close DOA Estimation with Deep Learning |
サブタイトル(英) |
|
キーワード(1)(和/英) |
到来方向推定 / DOA estimation |
キーワード(2)(和/英) |
アレーアンテナ / array antenna |
キーワード(3)(和/英) |
深層学習 / deep learning |
キーワード(4)(和/英) |
/ deep neural network |
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) |
加瀬 裕也 / Yuya Kase / カセ ユウヤ |
第1著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第2著者 氏名(和/英/ヨミ) |
西村 寿彦 / Toshihiko Nishimura / ニシムラ トシヒコ |
第2著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第3著者 氏名(和/英/ヨミ) |
大鐘 武雄 / Takeo Ohgane / オオガネ タケオ |
第3著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第4著者 氏名(和/英/ヨミ) |
小川 恭孝 / Yasutaka Ogawa / オガワ ヤスタカ |
第4著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第5著者 氏名(和/英/ヨミ) |
来山 大祐 / Daisuke Kitayama / キタヤマ ダイスケ |
第5著者 所属(和/英) |
株式会社NTTドコモ (略称: NTTドコモ)
NTT DOCOMO, INC. (略称: NTT DOCOMO) |
第6著者 氏名(和/英/ヨミ) |
岸山 祥久 / Yoshihisa Kishiyama / キシヤマ ヨシヒサ |
第6著者 所属(和/英) |
株式会社NTTドコモ (略称: NTTドコモ)
NTT DOCOMO, INC. (略称: NTT DOCOMO) |
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 |
2019-07-11 13:55:00 |
発表時間 |
25分 |
申込先研究会 |
RCS |
資料番号 |
RCC2019-39, NS2019-75, RCS2019-132, SR2019-51, SeMI2019-48 |
巻番号(vol) |
vol.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.133-138(RCC), pp.159-164(NS), pp.155-160(RCS), pp.165-170(SR), pp.147-152(SeMI) |
ページ数 |
6 |
発行日 |
2019-07-03 (RCC, NS, RCS, SR, SeMI) |
|