| 講演名 | 2021-07-16 MIMO無線通信ネットワークにおける教師なし機械学習に基づく送信電力及びビームフォーミング制御 玉田 直人(東工大), 張 裕淵(東工大), 府川 和彦(東工大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | セルを高密度に配置するとシステム容量を大幅に改善するが，隣接するセルが重なり合って移動通信においてセル間干渉（ICI）が発生するためシステム容量の増加分が損なわれる問題がある．この問題の対処にはセル間干渉制御（ICIC）が有効であり，ICICの一つとして基地局（BS）側で送信電力とビームフォーミングを制御することが検討されている．このICICは最適化問題と見なすことができ，従来方式では予め定められたコードブック内で送信電力レベルとプリコーディング行列の最適な組み合わせを全探索（ES）により求めていた．しかしながら，計算量がBSの数とともに指数関数的に増加するため大規模システムでは実装不可能である．畳み込みニューラルネットワーク（CNN）は訓練時に多くの演算量を必要とするが，最適値の予測時には大幅に演算量を抑えることができるため，本報告では上記のICICにCNNを適用する．なお，CNNの機械学習は主に教師あり学習と教師なし学習に分類されるが，教師あり学習では教師信号をESによって求める必要があるため大規模システムでは適用が難しい．そこで，本報告ではICICのため，CNNの教師なし学習を提案する．3セクター3セル並びにMIMO伝送の条件で計算機シミュレーションを行い，提案方式が演算量を大幅に減少しつつシステム容量を大幅に改善できることを明らかにする． |
| 抄録(英) | In mobile communications, densely deployed cell systems are expected to improve the system capacity drastically. However, many overlapping cells cause inter-cell interference (ICI), which can damage the improvement of the system capacity. As one of ICI coordination (ICIC) to compensate for the damage, base stations (BSs) control both transmit power and transmit beamforming. Since this kind of ICIC can be regarded as an optimization problem, a conventional scheme conducts exhaustive search (ES) in order to choose the optimal combination of transmit power levels and precoding matrices from a pre-defined codebook. However, ES requires a prohibitive amount of computational complexity that grows exponentially with the number of BSs, and thus can not be applied to a large scale system. To reduce the complexity, this report applies a convolutional neural network (CNN) into the ICIC. The reason for adopting CNN is that CNN requires a small amount of computational complexity for predicting optimal values, although its training process needs a large amount of complexity. Machine learning for CNN can be mainly classified into supervised and unsupervised learning. Since the supervised learning needs results of ES as the training sequence, it is very difficult to adopt the supervised learning in case of a large scale system. Therefore, this report proposes CNN employing unsupervised learning for the ICIC. Computer simulations under MIMO communications with 3 cells having 3-sector antennas clarify that the proposed scheme can improve the system capacity drastically while requiring a less amount of complexity. |
| キーワード(和) | MIMO / セル間干渉制御 / 送信電力制御 / ビームフォーミング制御 / 畳み込みニューラルネットワーク / 教師なし学習 |
| キーワード(英) | MIMO / inter-cell interference coordination / transmit power control / beamforming control / convolutional neural network / unsupervised learning |
| 資料番号 | CS2021-29 |
| 発行日 | 2021-07-08 (CS) |
| 研究会情報 | |
| 研究会 | CS |
|---|---|
| 開催期間 | 2021/7/15(から2日開催) |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 次世代ネットワーク，アクセスネットワーク，ブロードバンドアクセス方式，電力線通信，無線通信方式，符号化方式，一般 |
| テーマ（英） | Next Generation Networks, Access Networks, Broadband Access, Power Line Communications, Wireless Communication Systems, Coding Systems, etc. |
| 委員長氏名（和） | 寺田 純(NTT) |
| 委員長氏名（英） | Jun Terada(NTT) |
| 副委員長氏名（和） | 梅原 大祐(京都工繊大) |
| 副委員長氏名（英） | Daisuke Umehara(Kyoto Inst. of Tech.) |
| 幹事氏名（和） | 吉田 悠来(NICT) / 原 一貴(NTT) |
| 幹事氏名（英） | Yuki Yoshida(NICT) / Kazutaka Hara(NTT) |
| 幹事補佐氏名（和） | 山浦 隆博(東芝) / 井田 悠太(山口大) |
| 幹事補佐氏名（英） | Takahiro Yamaura(Toshiba) / Yuta Ida(Yamaguchi Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Communication Systems |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | MIMO無線通信ネットワークにおける教師なし機械学習に基づく送信電力及びビームフォーミング制御 |
| サブタイトル（和） | |
| タイトル（英） | Joint Transmit Power and Beamforming Control based on Unsupervised Machine Learning for MIMO Wireless Communication Networks |
| サブタイトル（和） | |
| キーワード(1)（和/英） | MIMO / MIMO |
| キーワード(2)（和/英） | セル間干渉制御 / inter-cell interference coordination |
| キーワード(3)（和/英） | 送信電力制御 / transmit power control |
| キーワード(4)（和/英） | ビームフォーミング制御 / beamforming control |
| キーワード(5)（和/英） | 畳み込みニューラルネットワーク / convolutional neural network |
| キーワード(6)（和/英） | 教師なし学習 / unsupervised learning |
| 第 1 著者 氏名（和/英） | 玉田 直人 / Naoto Tamada |
| 第 1 著者 所属（和/英） | 東京工業大学(略称：東工大) Tokyo Institute of Technology(略称：Tokyo Tech) |
| 第 2 著者 氏名（和/英） | 張 裕淵 / Yuyuan Chang |
| 第 2 著者 所属（和/英） | 東京工業大学(略称：東工大) Tokyo Institute of Technology(略称：Tokyo Tech) |
| 第 3 著者 氏名（和/英） | 府川 和彦 / Kazuhiko Fukawa |
| 第 3 著者 所属（和/英） | 東京工業大学(略称：東工大) Tokyo Institute of Technology(略称：Tokyo Tech) |
| 発表年月日 | 2021-07-16 |
| 資料番号 | CS2021-29 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | CS-113 |
| ページ範囲 | pp.63-68(CS), |
| ページ数 | 6 |
| 発行日 | 2021-07-08 (CS) |