| 講演名 | 2021-09-09 ［招待講演］深層学習による無線LAN高精度端末位置推定技術 工藤 理一(NTT), 高橋 馨子(NTT), 村上 友規(NTT), 小川 智明(NTT), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 無線通信技術の発展により、様々なコネクテッドデバイスが普及し、無線通信がより身近になっている。IoT（Internet of Things）で人と様々なモノがつながり、様々な知識や情報が共有されるSociety 5.0により実現される世界では、ネットワーク上のサイバー（仮想）空間とフィジカル（現実）空間の情報が高度に融合され、様々なサービスが生み出されることが期待されている。本稿では、深層学習を用い、無線LANシステムのチャネル情報フィードバックにより、無線通信端末の位置情報を取得する技術とその性能を評価する。提案する位置推定方式は、フィンガープリント方式に基づき、単一の無線LANアクセスポイントを利用して位置情報を推定する。特に屋内を想定して評価を行った。深層学習として、RNN (Recurrent neural network)を用い、到来波方向推定に用いる相関行列を疑似的に生成した入力特徴量を用いることで、高い位置推定精度を得る。自動走行ロボットを用いた、屋内の実環境でのデータを用い、位置推定精度とモデルのライフタイムについて議論する。 |
| 抄録(英) | Thanks to the great advances in wireless communication systems, many types of the wireless terminals are available. It is expected that various novel services emerge in Society 5.0 that is based on Internet of Things (IoT) by a high degree of convergence between cyberspace (virtual space) and physical space (real space). This report proposes that the deep learning baesd position estimation using the channel state information (CSI) feedback in wireless LAN systems. The proposed position estimation is based on a finger print method and requires only single access point (AP). The indoor environment is considered to be as a target. In the proposed model, recurrent neural network (RNN) was used to utilize the time domain characteristics and the input features for the model was provided based on the angle of arrival (AoA) estimation algorithms. To evaluate the estimation accuracy, we developed the autonomous locomotion robot and measured the wireless LAN feedbacks and position information of the robot. The accuracy of the position estimation and lifetime of the model are discussed in this report. |
| キーワード(和) | 位置推定 / 機械学習 / 無線LAN / 移動ロボット |
| キーワード(英) | Position estimation / Wireless LAN / Machine learning / Mobility robot |
| 資料番号 | CQ2021-45 |
| 発行日 | 2021-09-02 (CQ) |
| 研究会情報 | |
| 研究会 | CQ |
|---|---|
| 開催期間 | 2021/9/9(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） | 無線通信品質、6G、IoT、無線伝送、リソース制御、クロスレイヤー技術、一般 |
| テーマ（英） | Wireless Communications Quality, 6G, IoT, Resource Management, Wireless Transmission, Cross layer Technologies, etc. |
| 委員長氏名（和） | 岡本 淳(NTT) |
| 委員長氏名（英） | Jun Okamoto(NTT) |
| 副委員長氏名（和） | 平栗 健史(日本工大) / 長谷川 剛(東北大) |
| 副委員長氏名（英） | Takefumi Hiraguri(Nippon Inst. of Tech.) / Gou Hasegawa(Tohoku Univ.) |
| 幹事氏名（和） | アベセカラ ヒランタ(NTT) / 山本 寛(立命館大) |
| 幹事氏名（英） | Hirantha Abeysekera(NTT) / Hiroshi Yamamoto(Ritsumeikan Univ.) |
| 幹事補佐氏名（和） | 西川 由明(NEC) / 堅岡 良知(KDDI総合研究所) / 川嶋 喜美子(NTT) |
| 幹事補佐氏名（英） | Yoshiaki Nishikawa(NEC) / Ryoichi Kataoka(KDDI Research) / Kimiko Kawashima(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Communication Quality |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ［招待講演］深層学習による無線LAN高精度端末位置推定技術 |
| サブタイトル（和） | |
| タイトル（英） | [Invited Talk] Deep Learning based position estimation method using WLAN CSI feedback |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 位置推定 / Position estimation |
| キーワード(2)（和/英） | 機械学習 / Wireless LAN |
| キーワード(3)（和/英） | 無線LAN / Machine learning |
| キーワード(4)（和/英） | 移動ロボット / Mobility robot |
| 第 1 著者 氏名（和/英） | 工藤 理一 / Riichi Kudo |
| 第 1 著者 所属（和/英） | NTT(略称：NTT) NTT(略称：NTT) |
| 第 2 著者 氏名（和/英） | 高橋 馨子 / Kahoko Takahashi |
| 第 2 著者 所属（和/英） | NTT(略称：NTT) NTT(略称：NTT) |
| 第 3 著者 氏名（和/英） | 村上 友規 / Tomoki Murakami |
| 第 3 著者 所属（和/英） | NTT(略称：NTT) NTT(略称：NTT) |
| 第 4 著者 氏名（和/英） | 小川 智明 / Tomoaki Ogawa |
| 第 4 著者 所属（和/英） | NTT(略称：NTT) NTT(略称：NTT) |
| 発表年月日 | 2021-09-09 |
| 資料番号 | CQ2021-45 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | CQ-173 |
| ページ範囲 | pp.40-45(CQ), |
| ページ数 | 6 |
| 発行日 | 2021-09-02 (CQ) |