| 講演名 | 2022-03-02 CDLチャネルにおけるオートエンコーダを用いたパイロット配置設計 山田 雄太(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) | パイロット信号に基づく通信路推定では，パイロット信号数を増やすと，通信路推定精度は改善するが，データ伝送効率は低下する．それゆえ，少ないパイロット信号数で高い通信路推定精度を達成するために，リソースグリッド内でのパイロット配置が研究されている．パイロット配置設計に関する従来法では，離散的な特徴量選択が可能なオートエンコーダを用い，Vehicular-A 通信路に適したパイロット配置を設計している．しかし，他の通信路モデルに適したパイロット配置は報告されていない．また，この手法で導出されたパイロット配置の一様配置に対する優位性も不明である．本稿では，オートエンコーダに基づくパイロット配置設計法により， 5G 規格で規定されている CDL 通信路に適したパイロット配置を導出し，一様配置と比べ通信路推定精度を改善できることを示す．また，異なる 3 つの UE の速度で NLOS 環境をモデル化した CDL-A 通信路と LOS 環境をモデル化した CDL-D 通信路に対して，パイロット配置を導出し，LOS パスの有無や UE の速度によるパイロット配置とチャネル推定精度を評価する． |
| 抄録(英) | In the pilot-based channel estimations, a large number of pilot signals enable an improvement in the channel estimation accuracy but force a decrease in the data transmission efficiency. Therefore, the pilot pattern design schemes on the resource grid have been researched to achieve high channel estimation accuracy with a small number of pilot signals. In the conventional scheme for pilot pattern design, the autoencoder which enables discrete feature selection is utilized to design pilot patterns for Vehicular-A channels. However, the pilot pattern for other channels is not reported, and it is not clear this scheme has good performance compared to uniform pilot patterns. In this report, we derive the pilot pattern for CDL (Clustered Delay Line) channels specified in the 5G (5th Generation Mobile Communication System) standard using the autoencoder-based pilot pattern design scheme. Through computer simulation, we show that the autoencoder-based pilot patterns improve the channel estimation accuracy compared to the uniform pilot pattern. We also derive the pilot patterns for CDL-A and CDL-D, which model respectively NLOS (Non-Line-of-Sight) and LOS (Line-of-Sight) environments, with different three speeds of UE (User Equipment), and we evaluate the pilot pattern and channel estimation accuracy based on the existence of LOS paths and the speed of UE. |
| キーワード(和) | 通信路推定 / 深層学習 / 特徴量選択 |
| キーワード(英) | Channel Estimation / Deep Learning / Feature Selection |
| 資料番号 | RCS2021-253 |
| 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 | JPN |
| タイトル（和） | CDLチャネルにおけるオートエンコーダを用いたパイロット配置設計 |
| サブタイトル（和） | |
| タイトル（英） | Pilot Pattern Design Method using Autoencoder for CDL Channels |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 通信路推定 / Channel Estimation |
| キーワード(2)（和/英） | 深層学習 / Deep Learning |
| キーワード(3)（和/英） | 特徴量選択 / Feature Selection |
| 第 1 著者 氏名（和/英） | 山田 雄太 / Yuta Yamada |
| 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 | 2022-03-02 |
| 資料番号 | RCS2021-253 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | RCS-391 |
| ページ範囲 | pp.13-18(RCS), |
| ページ数 | 6 |
| 発行日 | 2022-02-23 (RCS) |