| 講演名 | 2021-06-24 リカレントニューラルネットワークを用いたGNSSによる位置推定に関する一検討 西岡 航平(同志社大), 衣斐 信介(同志社大), 高橋 拓海(阪大), 岩井 誠人(同志社大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | GNSS (Global Navigation Satellite System) による位置推定法の一つに非線形連立方程式を近似的に解く方法がある．しかし，この非線形連立方程式はクロック誤差やマルチパスなどの外因の影響を受け，位置推定に誤差が生じる．本検討では，この誤差と測位衛星が放送する測距信号から得られるデータが時系列データであることに着目し，時系列データの扱いに特化したニューラルネットワークであるRNN (Recurrent Neural Network) を2種類提案する．一つは擬似距離と衛星の位置座標を直接RNNに入力する形態であり，もう一つは前処理に逐次近似法を用いた，その結果をRNNに入力する形態である．前者は生データを用いる性質上，衛星観測データの欠損によって学習が不安定になる一方で，後者は逐次近似法に基づいて実装するため学習が安定する．また，RNNの有用性を評価するために，比較対象として，全結合層で構成される単純なニューラルネットワークを用いる． |
| 抄録(英) | One method of positioning schemes with the aid of the global navigation satellite system (GNSS) is to approximately solve nonlinear simultaneous equations. However, these nonlinear simultaneous equations include external factors such as clock errors and multipath, which induce position estimation errors. To address the errors, this study focuses on the fact that the data obtained from the distance measurement signals broadcasted by positioning satellites is time-series data. Based on the focus point, two types of recurrent neural network (RNN) for time-series data are designed. The first one inputs pseudo-range and position coordinates of satellites. The other inputs solutions of successive approximation methods as pre-processing. The former relies on raw data, which makes the learning unstable depending on the availability of satellite observations. In contrast, the latter exploits on a model called the successive approximation method, resulting in stable learning at the sacrifice of computational complexity. In order to evaluate the usefulness of the RNN, a neural network consisting of fully connected layers is implemented for comparison. |
| キーワード(和) | GNSS / 擬似距離 / ニューラルネットワーク / 位置推定 / 汎化性能 |
| キーワード(英) | GNSS / pseudo-range / neural network / positioning / generalization performance |
| 資料番号 | RCS2021-53 |
| 発行日 | 2021-06-16 (RCS) |
| 研究会情報 | |
| 研究会 | RCS |
|---|---|
| 開催期間 | 2021/6/23(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） | 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. |
| 委員長氏名（和） | 岡本 英二(名工大) |
| 委員長氏名（英） | Eiji Okamoto(Nagoya Inst. of Tech.) |
| 副委員長氏名（和） | 児島 史秀(NICT) / 西村 寿彦(北大) / 旦代 智哉(東芝) |
| 副委員長氏名（英） | Fumihide Kojima(NICT) / Toshihiko Nishimura(Hokkaido Univ.) / Tomoya Tandai(Toshiba) |
| 幹事氏名（和） | 山本 哲矢(パナソニック) / 村岡 一志(NEC) |
| 幹事氏名（英） | Tetsuya Yamamoto(Panasonic) / Kazushi Muraoka(NEC) |
| 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) |
| 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) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Radio Communication Systems |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | リカレントニューラルネットワークを用いたGNSSによる位置推定に関する一検討 |
| サブタイトル（和） | |
| タイトル（英） | A Study on Recurrent Neural Network Aided GNSS Positioning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | GNSS / GNSS |
| キーワード(2)（和/英） | 擬似距離 / pseudo-range |
| 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） | 位置推定 / positioning |
| キーワード(5)（和/英） | 汎化性能 / generalization performance |
| 第 1 著者 氏名（和/英） | 西岡 航平 / Kohei Nishioka |
| 第 1 著者 所属（和/英） | 同志社大学(略称：同志社大) Doshisha University(略称：Doshisha Univ.) |
| 第 2 著者 氏名（和/英） | 衣斐 信介 / Shinsuke Ibi |
| 第 2 著者 所属（和/英） | 同志社大学(略称：同志社大) Doshisha University(略称：Doshisha Univ.) |
| 第 3 著者 氏名（和/英） | 高橋 拓海 / Takumi Takahashi |
| 第 3 著者 所属（和/英） | 大阪大学(略称：阪大) Osaka University(略称：Osaka Univ.) |
| 第 4 著者 氏名（和/英） | 岩井 誠人 / Hisato Iwai |
| 第 4 著者 所属（和/英） | 同志社大学(略称：同志社大) Doshisha University(略称：Doshisha Univ.) |
| 発表年月日 | 2021-06-24 |
| 資料番号 | RCS2021-53 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | RCS-72 |
| ページ範囲 | pp.145-150(RCS), |
| ページ数 | 6 |
| 発行日 | 2021-06-16 (RCS) |