| 講演名 | 2020-05-22 ノード選択BPアルゴリズムを用いたMassive MIMO検出法におけるdamping係数の学習およびその解析 橘 順太(慶大), 大槻 知明(慶大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 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．しかし，最適な damping 係数はアンテナ間相関に応じて異なる．そのため，DNN-dBP では学習時と評価時のアンテナ間相関に差がある場合，検出特性が劣化する．アンテナ間相関の影響を低減する手法として，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) 法が報告されている．NS 法を適用することによって，BP 検出における選択ノード間の空間相関が低減され，BP の収束特性は改善する．これまでに筆者らは，NS 法適用時に DNN-dBP によって damping 係数を導出し，DNN-dBP における学習時と評価時のアンテナ間相関の差による検出特性劣化を低減できることを示した．本稿では，筆者らの先行研究である，NS 法を適用した DNN-dBP について，BP の収束特性改善による演算量の低減の効果と，学習後の damping 係数の分布について調査する．計算機シミュレーションにより，NS 法を適用した場合の DNN-dBP が，NS 法を適用しない場合の DNN-dBP と比べ低演算量で同等の BER 特性を達成することを示す．また，学習後の damping 係数の分布について調査し，その傾向について述べる． |
| 抄録(英) | In a massive MIMO system, belief propagation (BP) detection is known as a method to separate and detect received signals.In BP detection, the transmitted symbols are estimated by message passing.However, the convergence property of BP deteriorates due to multiple loops included in the MIMO channel.As a method to improve the convergence property, the damped BP that averages two successive messages with a 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 when there is a difference of the channel correlation between training and test, because the optimal damping factors vary with the channel correlation.As a method to mitigate the effects of the channel correlation, the node selection (NS) method has been reported.In our previous research, we derived the damping factors with the NS method using DNN-dBP.We showed that this method can improve the detection performance deterioration due to the mismatches of the channel correlations between training and test in DNN-dBP.In this report, we investigate the effect of reducing the computational complexity of the DNN-dBP with the NS method by improving the convergence property of BP, and the distribution of the trained damping factors.By computer simulation, it is shown that the DNN-dBP with the NS method can show the same BER performance with low computational complexity as the DNN-dBP without the NS method.We also investigate the distribution of the trained damping factors and evaluate the tendency of that. |
| キーワード(和) | Massive MIMO / BP検出 / ニューラルネットワーク / 5G |
| キーワード(英) | Massive MIMO / BP detection / Neural network / 5G |
| 資料番号 | RCS2020-19 |
| 発行日 | 2020-05-14 (RCS) |
| 研究会情報 | |
| 研究会 | IN / RCS |
|---|---|
| 開催期間 | 2020/5/21(から2日開催) |
| 開催地（和） | 慶應義塾大学 |
| 開催地（英） | Keio University |
| テーマ（和） | アドホック・センサネットワーク・MANET，モバイルネットワーク，M2M・IoT通信制御，無線LAN(Wi-Fi)，IEEE802.15(ZigBee)及び一般 注：NV研究会は発表申込み締切日が異なります．NV研究会への発表申込については「こちら」をご参照下さい． |
| テーマ（英） | Ad-Hoc/Sensor Networks/MANET, Mobile Networks, M2M/IoT Communications, Wi-Fi, IEEE802.15(ZigBee) and others |
| 委員長氏名（和） | 岸田 卓治(NTT-AT) / 大槻 知明(慶大) |
| 委員長氏名（英） | Takuji Kishida(NTT-AT) / Tomoaki Otsuki(Keio Univ.) |
| 副委員長氏名（和） | 石田 賢治(広島市大) / 須山 聡(NTTドコモ) / 前原 文明(早大) / 西村 寿彦(北大) |
| 副委員長氏名（英） | Kenji Ishida(Hiroshima City Univ.) / Satoshi Suyama(NTT DoCoMo) / Fumiaki Maehara(Waseda Univ.) / Toshihiko Nishimura(Hokkaido Univ.) |
| 幹事氏名（和） | 加島 伸悟(NTTコミュニケーションズ) / 持田 誠一郎(NTT) / 小畑 博靖(広島市大) / 樫原 俊太郎(KDDI総合研究所) / 石原 浩一(NTT) / 牟田 修(九大) |
| 幹事氏名（英） | Shingo Kashima(NTT Communications) / Seiichiro Mochida(NTT) / Hiroyasu Obata(Hiroshima City Univ.) / Shuntaro Kashihara(KDDI Research) / Koichi Ishihara(NTT) / Osamu Muta(Kyushu Univ.) |
| 幹事補佐氏名（和） | / 村岡 一志(NEC) / 衣斐 信介(同志社大) / 安達 宏一(電通大) / 中村 理(シャープ) / 酒井 学(三菱電機) |
| 幹事補佐氏名（英） | / Kazushi Muraoka(NEC) / Shinsuke Ibi(Doshisha Univ.) / Koichi Adachi(Univ. of Electro-Comm.) / Osamu Nakamura(Sharp) / Manabu Sakai(Mitsubishi Electric) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Information Networks / Technical Committee on Radio Communication Systems |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ノード選択BPアルゴリズムを用いたMassive MIMO検出法におけるdamping係数の学習およびその解析 |
| サブタイトル（和） | |
| タイトル（英） | Learning and Analysis of Damping Factor in Massive MIMO Detection using BP Algorithm with Node Selection |
| サブタイトル（和） | |
| 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 |
| 第 1 著者 氏名（和/英） | 橘 順太 / Junta Tachibana |
| 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） | 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.) |
| 発表年月日 | 2020-05-22 |
| 資料番号 | RCS2020-19 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | RCS-29 |
| ページ範囲 | pp.49-54(RCS), |
| ページ数 | 6 |
| 発行日 | 2020-05-14 (RCS) |