| 講演名 | 2022-03-04 Low-overhead Beam and Power Allocation Using Deep Learning for mmWave Networks 曹 誉文(慶大), 大槻 知明(慶大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | |
| 抄録(英) | In this report, we develop a novel deep learning (DL)-based hybrid beam and power allocation approach for multiuser millimeter-wave (mmWave) networks for facilitating a fast beamforming at the base station (BS). Notably, the challenge involved in mmWave networks lies in that: (i) user mobility, as well as frequent beam reselections, render degraded mmWave communication performance in terms of reliability and throughput; (ii) users who are geographically co-located together may render serve beam conflicts thus deteriorating mmWave communication performance; (iii) existing DL-based methods predict the beamforming matrix that in fact can not be well-suited to the underlying channel distribution as the beamforming dimension at BS is large. Motivated by this, we investigate low-overhead beam and power allocation by using the DL technology. To this end, we first develop a novel beam-quality prediction model to predict the high-resolution beam energy images by exploiting the DL and super-resolution technologies. Afterward, we develop a DL-based beam and power allocation approach which enables high allocation accuracy with only a portion of $s$ time-sequential low-resolution beam images. Simulation results show that our proposed approach guarantees sub-optimal throughput performance with low-overhead in relative to the counterpart approaches. |
| キーワード(和) | |
| キーワード(英) | Deep learningbeam and power allocationmultiuser mmWave networkssuper-resolutionlow-overhead |
| 資料番号 | RCS2021-284 |
| 発行日 | 2022-02-23 (RCS) |
| 研究会情報 | |
| 研究会 | RCS / SR / SRW |
|---|---|
| 開催期間 | 2022/3/2(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） | 移動通信ワークショップ |
| テーマ（英） | Mobile Communication Workshop |
| 委員長氏名（和） | 岡本 英二(名工大) / 亀田 卓(広島大) / 野田 華子(アンリツ) |
| 委員長氏名（英） | Eiji Okamoto(Nagoya Inst. of Tech.) / Suguru Kameda(Hiroshima Univ.) / Hanako Noda(Anritsu) |
| 副委員長氏名（和） | 西村 寿彦(北大) / 旦代 智哉(東芝) / 児島 史秀(NICT) / 田久 修(信州大) / 石津 健太郎(NICT) / 矢野 一人(ATR) / 水谷 圭一(京大) / 斎藤 健太郎(東京電機大) / 沢田 浩和(NICT) |
| 副委員長氏名（英） | Toshihiko Nishimura(Hokkaido Univ.) / Tomoya Tandai(Toshiba) / Fumihide Kojima(NICT) / Osamu Takyu(Shinshu Univ.) / Kentaro Ishidu(NICT) / Kazuto Yano(ATR) / Keiichi Mizutani(Kyoto Univ.) / Kentaro Saito(Tokyo Denki Univ.) / Hirokazu Sawada(NICT) |
| 幹事氏名（和） | 村岡 一志(NEC) / 山本 哲矢(パナソニック) / 成枝 秀介(三重大) / 稲森 真美子(東海大) / 李 斗煥(NTT) / 村上 友規(NTT) / 佐々木 重信(新潟大) |
| 幹事氏名（英） | Kazushi Muraoka(NEC) / Tetsuya Yamamoto(Panasonic) / Syusuke Narieda(Mie Univ.) / Mamiko Inamori(Tokai Univ.) / Doohwan Lee(NTT) / Tomoki Murakami(NTT) / Shigenobu Sasaki(NIigata Univ.) |
| 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) / 太田 真衣(福岡大) / 大辻 太一(NEC) / 王 瀟岩(茨城大) / 田中 明美(MathWorks) / 野田 聡人(南山大) |
| 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) / Mai Ohta(Fukuoka Univ.) / Taichi Ohtsuji(NEC) / WANG Xiaoyan(Ibaraki Univ.) / Akemi Tanaka(MathWorks) / Akihito Noda(Nanzan Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Radio Communication Systems / Technical Committee on Smart Radio / Technical Committee on Short Range Wireless Communications |
|---|---|
| 本文の言語 | ENG |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Low-overhead Beam and Power Allocation Using Deep Learning for mmWave Networks |
| サブタイトル（和） | |
| キーワード(1)（和/英） | / Deep learningbeam and power allocationmultiuser mmWave networkssuper-resolutionlow-overhead |
| 第 1 著者 氏名（和/英） | 曹 誉文 / Yuwen Cao |
| 第 1 著者 所属（和/英） | 慶應義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 第 2 著者 氏名（和/英） | 大槻 知明 / Tomoaki Ohtsuki |
| 第 2 著者 所属（和/英） | 慶應義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 発表年月日 | 2022-03-04 |
| 資料番号 | RCS2021-284 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | RCS-391 |
| ページ範囲 | pp.159-163(RCS), |
| ページ数 | 5 |
| 発行日 | 2022-02-23 (RCS) |