| 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 [ログイン] 技報アーカイブ |
| 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 | 2022-06-17 13:40 FDD Massive MIMOシステムにおける転移学習に基づくCSIフィードバック法のソースデータ選択評価 ○井上真悠子・大槻知明（慶大）  RCS2022-62 |
|
| 抄録 | （和） | FDD (Frequency Division Duplexing) Massive MIMO (Multiple-Input Multiple-Output) において，基地局で下り通信の CSI (Channel State Information) を得るために，DTL (Deep Transfer Learning) に基づく CSI フィードバック法 が提案されている.この方法は，あるチャネル環境の大量の CSI データセット(ソースデータ)で学習させたソースモデルを，ターゲットとなるチャネル環境の少量の CSI データセット(ターゲットデータ)でファインチューニング することにより，低い学習コストでターゲットモデルを得ることができる.しかし，ターゲットモデルの性能はソー スデータに大きく依存する.本論文では，DTL に基づく CSI フィードバック法において，高い CSI 復元精度のターゲットモデルを得るためのソースデータ選択指標として，(i) ソースデータとターゲットデータ間の類似度を表す JSD (Jensen-Shannon Divergence)，(ii) ソースデータの多様性を表すエントロピーの 2 つの指標について検討する.シミュ レーションの結果，ターゲットのチャネルが NLOS (Non Line-Of-Sight)環境の場合，エントロピーが大きく JSD の小さいソースデータを選んだ方が，ターゲットモデルの CSI 復元精度を高くなる傾向があることが示された.この結果は，JSD とエントロピーがソースデータの選択指標となり得ることを示している. |
| （英） | In frequency division duplexing (FDD) massive multiple-input multiple-output (MIMO), the downlink channel state information (CSI) feedback method based on deep transfer learning (DTL) has been proposed to obtain the downlink CSI at the Base Station (BS). This method can obtain a target model at low training cost by fine-tuning a source model trained on a large amount of CSI data set (source data) for a certain channel environment, with a small amount of CSI data set (target data) for the target channel environment. However, the performance of the target model could highly depend on the source data. In this paper, we investigate two metrics as criteria for selecting source data to obtain a target model with a high CSI reconstruction performance: (i) Jensen-Shannon Divergence (JSD) which represents the similarity between target and source data, and (ii) entropy, which represents the diversity of source data. The simulation results showed when the target channel model is non line-of-sight (NLOS), the source data with high entropy and low JSD tend to provide higher CSI reconstruction performance of the target model. These results indicate that the JSD and the entropy could be a source data selection metric. | |
| キーワード | （和） | CSI フィードバック / DTL / ソースデータ選択 / / / / / |
| （英） | CSI Feedback / Deep Transfer Learning / Source Data Selection / / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 73, RCS2022-62, pp. 224-229, 2022年6月. | |
| 資料番号 | RCS2022-62 | |
| 発行日 | 2022-06-08 (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 | RCS2022-62 |
|
| 研究会情報 | |
| 研究会 | RCS |
| 開催期間 | 2022-06-15 - 2022-06-17 |
| 開催地（和） | 琉球大学 千原キャンパス＋オンライン開催 |
| 開催地（英） | University of the Ryukyus, Senbaru Campus and online |
| 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 | 2022-06-RCS |
| 本文の言語 | 日本語 |
| タイトル（和） | FDD Massive MIMOシステムにおける転移学習に基づくCSIフィードバック法のソースデータ選択評価 |
| サブタイトル（和） | |
| タイトル（英） | Evaluation of Source Data Selection for CSI Feedback Method based on Deep Transfer Learning in FDD Massive MIMO Systems |
| サブタイトル（英） | |
| キーワード(1)（和/英） | CSI フィードバック / CSI Feedback |
| キーワード(2)（和/英） | DTL / Deep Transfer Learning |
| キーワード(3)（和/英） | ソースデータ選択 / Source Data Selection |
| 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） | 井上 真悠子 / Mayuko Inoue / イノウエ マユコ |
| 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 / オオツキ トモアキ |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-06-17 13:40:00 |
| 発表時間 | 20分 |
| 申込先研究会 | RCS |
| 資料番号 | RCS2022-62 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.73 |
| ページ範囲 | pp.224-229 |
| ページ数 | 6 |
| 発行日 | 2022-06-08 (RCS) |
[研究会発表申込システムのトップページに戻る]