| 講演名 | 2020-11-25 パイロット汚染存在時のMassive MIMOにおける深層学習を利用したチャネル推定 廣瀨 大輝(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) | TDD (Time Division Duplex)に基づくMassive MIMO (Multiple-Input Multiple-Output)システムでは，基地局はユーザ端末に対する正確なCSI (Channel State Information)を必要とする．チャネルの時変性のため，パイロット長は制限され，直交パイロット信号数は有限個になる．それゆえ，同一パイロット信号は近隣セルで再利用され，チャネル推定精度はパイロット汚染によって劣化する．MMSE (Minimum Mean Square Error)チャネル推定を用いれば，同一パイロット信号を用いる全ユーザのチャネル共分散行列を用いて，パイロット汚染の影響を低減できる．しかし，この行列は事前には未知であり，推定が必要である．本稿では，パイロット汚染の影響を低減する深層学習に基づくチャネル推定法を2種類提案する．一つは全結合層で構成されるニューラルネットワークを用い，もう一つはCNN (Convolutional Neural Network)を用いる．前者は後者よりもトレーニングスピードが速い一方で，後者は前者よりも汚染した信号から空間的特徴量を抽出するのに長けており推定精度が高い．これらの提案法を，自セルからの信号と他セルからの信号にタイミング同期ずれがない場合とある場合で評価する．計算機シミュレーションの結果，提案法はLS (Least Square)推定や共分散行列推定と比べてNMSE (Normalized Mean Square Error)特性を改善することを示す． |
| 抄録(英) | In a time division duplex (TDD) based massive multiple-input multiple-output (MIMO) system, a base station (BS) needs accurate estimation of channel state information (CSI) for a user terminal (UT). Due to the time-varying nature of the channel, the length of pilot signals is limited and the number of orthogonal pilot signals is finite. Hence, the same pilot signals are required to be reused in neighboring cells and thus its channel estimation performance is deteriorated by pilot contamination from the neighboring cells. With the minimum mean square error (MMSE) channel estimation, the influence of pilot contamination can be reduced by the fully known covariance matrix of channels for all the UTs using the same pilot signal. However, this matrix is unknown to the BS a priori, and has to be estimated. In this report, we propose two methods of deep learning aided channel estimation to reduce the influence of pilot contamination. One method uses a neural network consisting of fully connected layers, while the other method uses a convolutional neural network (CNN). The neural network, particularly the CNN, plays a role in extracting features of the spatial information from the contaminated signals. In terms of the speed of training, the former method is better than the latter one. We evaluate the proposed methods under two scenarios, i.e., perfect timing synchronization and imperfect one. Simulation results confirm that the proposed methods are better than the LS and the covariance estimation method via normalized mean square error (NMSE) of the channel. |
| キーワード(和) | Massive MIMO / パイロット汚染 / チャネル推定 / 深層学習 |
| キーワード(英) | Massive MIMO / Pilot contamination / Channel estimation / Deep learning |
| 資料番号 | RCS2020-110 |
| 発行日 | 2020-11-18 (RCS) |
| 研究会情報 | |
| 研究会 | RCS / AP |
|---|---|
| 開催期間 | 2020/11/25(から3日開催) |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | アダプティブアンテナ，等化，干渉キャンセラ，MIMO，無線通信，一般 |
| テーマ（英） | Adaptive Antenna, Equalization, Interference Canceler, MIMO, Wireless Communications, etc. |
| 委員長氏名（和） | 岡本 英二(名工大) / 陳 強(東北大) |
| 委員長氏名（英） | Eiji Okamoto(Nagoya Inst. of Tech.) / Qiang Chen(Tohoku Univ.) |
| 副委員長氏名（和） | 前原 文明(早大) / 西村 寿彦(北大) / 旦代 智哉(東芝) / 黒川 悟(産総研) |
| 副委員長氏名（英） | Fumiaki Maehara(Waseda Univ.) / Toshihiko Nishimura(Hokkaido Univ.) / Tomoya Tandai(Toshiba) / Satoru Kurokawa(AIST) |
| 幹事氏名（和） | 牟田 修(九大) / 村岡 一志(NEC) / 有馬 卓司(東京農工大) / 北尾 光司郎(NTTドコモ) |
| 幹事氏名（英） | Osamu Muta(Kyushu Univ.) / Kazushi Muraoka(NEC) / Takuji Arima(Tokyo Univ. of Agric. & Tech.) / Koshiro Kitao(NTT DOCOMO) |
| 幹事補佐氏名（和） | 安達 宏一(電通大) / 中村 理(シャープ) / 酒井 学(三菱電機) / 岩渕 匡史(NTT) / 奥山 達樹(NTTドコモ) / 金 ミンソク(新潟大) |
| 幹事補佐氏名（英） | Koichi Adachi(Univ. of Electro-Comm.) / Osamu Nakamura(Sharp) / Manabu Sakai(Mitsubishi Electric) / Masashi Iwabuchi(NTT) / Tatsuki Okuyama(NTT DOCOMO) / Dr. Kim(Niigata Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Radio Communication Systems / Technical Committee on Antennas and Propagation |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | パイロット汚染存在時のMassive MIMOにおける深層学習を利用したチャネル推定 |
| サブタイトル（和） | |
| タイトル（英） | Deep Learning Aided Channel Estimation for Massive MIMO with Pilot Contamination |
| 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） | パイロット汚染 / Pilot contamination |
| キーワード(3)（和/英） | チャネル推定 / Channel estimation |
| キーワード(4)（和/英） | 深層学習 / Deep learning |
| 第 1 著者 氏名（和/英） | 廣瀨 大輝 / Hiroki Hirose |
| 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 | 2020-11-25 |
| 資料番号 | RCS2020-110 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | RCS-249 |
| ページ範囲 | pp.1-6(RCS), |
| ページ数 | 6 |
| 発行日 | 2020-11-18 (RCS) |