| 講演名 | 2020-11-18 包絡線抽出と機械学習を用いた空き周波数リソースの将来予測に関する一検討 長尾 竜也(KDDI総合研究所), 林 高弘(KDDI総合研究所), 天野 良晃(KDDI総合研究所), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 近年，周波数資源の需要が増加しており，ダイナミック周波数共用（Dynamic Spectrum Access : DSA）への期待が高まっている．DSAは，1次システムが利用していない場所や時間において，2次システムが同一周波数帯を利用することにより，システム間の干渉を回避しつつ，周波数利用効率を高める仕組みである．今後さらなる活用が見込まれるミリ波帯では，人や車両等の交通量や天候といった周辺環境の影響を大きく受けるため，電波の到達範囲は変動する．このような変動を予測することで，2次システムが新たに利用可能となる時間・場所のリソースの検出が期待できる．本稿では，上記のような環境変化により変動する1次システムの受信電力を機械学習により予測し，将来の空き周波数リソースを検出する手法について述べ，シミュレーションによる評価結果を示す． |
| 抄録(英) | In recent years, the demand for spectrum resources has been increasing, which has raised expectations for dynamic spectrum access (DSA). DSA is a technique for allowing secondary systems to use the same spectrum band at locations and times when the primary system is not used. DSA is a technique for improving the spectrum utilization efficiency while avoiding interference between systems, by allowing secondary systems to use the same spectrum at locations and times when the primary system is not in use. Especially in the millimeter-wave band, which is expected to be used more in the future, it is greatly affected by the surrounding environment, such as the number of people and vehicles. As a result, the coverage of radio waves varies depending on environmental changes. By considering those variations, it is possible to detect additional spectrum resources that will be newly available to the secondary system. In this paper, we propose a method for predicting the received power of a primary system that varies due to environmental changes and detecting the future available spectrum resources by machine learning, and show the results of the simulation evaluation. |
| キーワード(和) | ダイナミック周波数共用 / 機械学習 / 時系列予測 |
| キーワード(英) | Dynamic Spectrum Access / Machine Learning / Time-series analysis |
| 資料番号 | SR2020-22 |
| 発行日 | 2020-11-11 (SR) |
| 研究会情報 | |
| 研究会 | SR |
|---|---|
| 開催期間 | 2020/11/18(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） | ソフトウェア無線、コグニティブ無線、周波数共用、一般 |
| テーマ（英） | Software Radio, Cognitive Radio, Spectrum Sharing, etc. |
| 委員長氏名（和） | 有吉 正行(NEC) |
| 委員長氏名（英） | Masayuki Ariyoshi(NEC) |
| 副委員長氏名（和） | 亀田 卓(東北大) / 田久 修(信州大) / 石津 健太郎(NICT) |
| 副委員長氏名（英） | Suguru Kameda(Tohoku Univ.) / Osamu Takyu(Shinshu Univ.) / Kentaro Ishidu(NICT) |
| 幹事氏名（和） | 矢野 一人(ATR) / 石橋 功至(電通大) / 成枝 秀介(三重大) |
| 幹事氏名（英） | Kazuto Yano(ATR) / Koji Ishibashi(Univ. of Electro-Comm.) / Syusuke Narieda(Mie Univ.) |
| 幹事補佐氏名（和） | 太田 真衣(福岡大) / 大山 哲平(富士通研) / 小林 健太郎(名大) |
| 幹事補佐氏名（英） | Mai Ohta(Fukuoka Univ.) / Teppei Oyama(Fujitsu Lab.) / Kentaro Kobayashi(Nagoya Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Smart Radio |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 包絡線抽出と機械学習を用いた空き周波数リソースの将来予測に関する一検討 |
| サブタイトル（和） | |
| タイトル（英） | A Study on Forecasting of Available Spectrum Resources for Sharing using Envelope Extraction and Machine Learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | ダイナミック周波数共用 / Dynamic Spectrum Access |
| キーワード(2)（和/英） | 機械学習 / Machine Learning |
| キーワード(3)（和/英） | 時系列予測 / Time-series analysis |
| 第 1 著者 氏名（和/英） | 長尾 竜也 / Tatsuya Nagao |
| 第 1 著者 所属（和/英） | 株式会社KDDI総合研究所(略称：KDDI総合研究所) KDDI Research, Inc.(略称：KDDI Research) |
| 第 2 著者 氏名（和/英） | 林 高弘 / Takahiro Hayashi |
| 第 2 著者 所属（和/英） | 株式会社KDDI総合研究所(略称：KDDI総合研究所) KDDI Research, Inc.(略称：KDDI Research) |
| 第 3 著者 氏名（和/英） | 天野 良晃 / Yoshiaki Amano |
| 第 3 著者 所属（和/英） | 株式会社KDDI総合研究所(略称：KDDI総合研究所) KDDI Research, Inc.(略称：KDDI Research) |
| 発表年月日 | 2020-11-18 |
| 資料番号 | SR2020-22 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | SR-238 |
| ページ範囲 | pp.1-4(SR), |
| ページ数 | 4 |
| 発行日 | 2020-11-11 (SR) |