| 講演名 | 2022-01-25 符号化MIMO-OFDMシステムにおける一般化相互情報量を用いた機械学習に基づく適応符号化変調方式に関する一検討 長谷川 喜久(横浜国大), 濱 優人(横浜国大), 落合 秀樹(横浜国大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 従来のMIMO-OFDMにおける適応変調符号化技術としては，平均信号対雑音電力比~(Signal-to-Noise power Ratio: SNR)に応じて適切な変調符号化方式~(Modulation and Coding Scheme: MCS）が選択されるが，チャネルの状況を考慮した場合にはそれらが必ずしも最適とは言えない．したがって本稿では，機械学習を用いることで瞬時のチャネルに応じて高いスループットを達成しつつ，システムの要求する誤り率を達成することで信号の再送がほぼ不要となる高信頼な適応符号化変調システムを提案する．本研究では，機械学習としてサポートベクター回帰~(Support Vector Regression: SVR）とニューラルネットワーク~(Neural Netowork: NN）を用いて，チャネルから一般化相互情報量~(Generalized Mutual Information: GMI）を推定しMCSを決定することで，従来手法と比較して高いスループット特性が達成できることを明らかにした． |
| 抄録(英) | Adaptive modulation and coding (AMC) is a promising approach for enhancing the spectral efficiency and reliability by selective a suitable candidate from several predefined modulation and coding schemes (MCS). However, the conventional AMC approach based on the average signal-to-noise power ratio (SNR) may not identify the best MCS for a given realization of practical frequency-selective MIMO fading channels. To this end, we propose a machine learning (ML)-based AMC approach using the generalized mutual information (GMI), which is estimated by neural network (NN) and support vector regression (SVR) with robust feature extraction. Through computer simulations, we evaluate the effectiveness of our proposed system in terms of throughput and frame error rate (FER) performances. |
| キーワード(和) | 適応符号化変調 / BICM / 一般化相互情報量 / 機械学習 / MIMO / OFDM / ターボ符号 |
| キーワード(英) | AMC / BICM / Generalized Mutual Information / Machine Learning / MIMO / OFDM / Turbo code |
| 資料番号 | SR2021-83 |
| 発行日 | 2022-01-17 (SR) |
| 研究会情報 | |
| 研究会 | SR |
|---|---|
| 開催期間 | 2022/1/24(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） | コグニティブ無線、周波数共用、異種無線融合型ネットワーク、SDＮ、機械学習応用、一般 |
| テーマ（英） | |
| 委員長氏名（和） | 亀田 卓(広島大) |
| 委員長氏名（英） | Suguru Kameda(Hiroshima Univ.) |
| 副委員長氏名（和） | 田久 修(信州大) / 石津 健太郎(NICT) / 矢野 一人(ATR) |
| 副委員長氏名（英） | Osamu Takyu(Shinshu Univ.) / Kentaro Ishidu(NICT) / Kazuto Yano(ATR) |
| 幹事氏名（和） | 成枝 秀介(三重大) / 稲森 真美子(東海大) / 李 斗煥(NTT) |
| 幹事氏名（英） | Syusuke Narieda(Mie Univ.) / Mamiko Inamori(Tokai Univ.) / Doohwan Lee(NTT) |
| 幹事補佐氏名（和） | 太田 真衣(福岡大) / 大辻 太一(NEC) / 王 瀟岩(茨城大) / 田中 明美(MathWorks) |
| 幹事補佐氏名（英） | Mai Ohta(Fukuoka Univ.) / Taichi Ohtsuji(NEC) / WANG Xiaoyan(Ibaraki Univ.) / Akemi Tanaka(MathWorks) |
| 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） | 符号化MIMO-OFDMシステムにおける一般化相互情報量を用いた機械学習に基づく適応符号化変調方式に関する一検討 |
| サブタイトル（和） | |
| タイトル（英） | Machine Learning-Based Adaptive Modulation and Coding with Generalized Mutual Information for Coded MIMO-OFDM Systems |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 適応符号化変調 / AMC |
| キーワード(2)（和/英） | BICM / BICM |
| キーワード(3)（和/英） | 一般化相互情報量 / Generalized Mutual Information |
| キーワード(4)（和/英） | 機械学習 / Machine Learning |
| キーワード(5)（和/英） | MIMO / MIMO |
| キーワード(6)（和/英） | OFDM / OFDM |
| キーワード(7)（和/英） | ターボ符号 / Turbo code |
| 第 1 著者 氏名（和/英） | 長谷川 喜久 / Haruhiko Hasegawa |
| 第 1 著者 所属（和/英） | 横浜国立大学(略称：横浜国大) Yokohama National University(略称：Yokohama Natl Univ) |
| 第 2 著者 氏名（和/英） | 濱 優人 / Yuto Hama |
| 第 2 著者 所属（和/英） | 横浜国立大学(略称：横浜国大) Yokohama National University(略称：Yokohama Natl Univ) |
| 第 3 著者 氏名（和/英） | 落合 秀樹 / Hideki Ochiai |
| 第 3 著者 所属（和/英） | 横浜国立大学(略称：横浜国大) Yokohama National University(略称：Yokohama Natl Univ) |
| 発表年月日 | 2022-01-25 |
| 資料番号 | SR2021-83 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | SR-345 |
| ページ範囲 | pp.118-124(SR), |
| ページ数 | 7 |
| 発行日 | 2022-01-17 (SR) |