| 講演名 | 2022-07-13 SVD-MIMOにおける機械学習を用いた送信ウェイト行列劣化補償手法の検討 牧野 仁宣(NHK), 中川 孝之(NHK), 居相 直彦(NHK), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | ロードレースなどの移動中継に用いられる無線伝送装置 (FPU) の次世代機の研究開発として，singular value decomposition (SVD)-multiple-input multiple-output (MIMO) 方式の検討・評価を進めている．SVD-MIMOは，送受信のウェイト行列を使用して伝送する方式である．実運用上，送信ウェイト行列は制御遅延や量子化といった劣化を受け，伝送性能の劣化につながっていた．本稿では，劣化を受けた送信ウェイト行列を入力，受ける前の理想的な送信ウェイト行列の各要素を出力とする回帰問題と定義し，劣化を補償する方式を提案する．特に実機実装を想定し，簡単な機械学習の回帰手法であるsupport vector regressionによる補償を提案する．更に学習データの作成手法と，補償後を含む理想と乖離した送信ウェイト行列での伝送性能を表す簡易指標を併せて提案する．簡易指標評価により，提案法の中でアンテナ間の相関によらず高い補償性能が見込まれるデータ数などの学習条件を選定した．さらに，当該条件に対して計算機シミュレーションを実施し，伝送性能の向上を確認したため報告する． |
| 抄録(英) | This paper proposes a compensation method for the actual transmission weight matrix of singular value decomposition (SVD)-multiple-input multiple-output (MIMO) systems using machine learning. Though the transmission weight matrix is an important factor for SVD-MIMO, the matrix is deteriorated by a lot of factors for the actual transmission. This paper defines deterioration compensation as a regression problem that solves the parameters of the ideal transmission weight matrix from the matrix deteriorated. This paper proposes a solution method using support vector regression as a simple machine learning method, a creation method for learning data, and simple channel metrics. The compensation performance of the conditions selected by simple channel metrics is evaluated by computer simulation. |
| キーワード(和) | SVD-MIMO / 機械学習 / 回帰問題 / SVR / FPU |
| キーワード(英) | SVD-MIMO / Machine learning / Regression problem / SVR / Wireless links |
| 資料番号 | RCS2022-73 |
| 発行日 | 2022-07-06 (RCS) |
| 研究会情報 | |
| 研究会 | NS / SR / RCS / SeMI / RCC |
|---|---|
| 開催期間 | 2022/7/13(から3日開催) |
| 開催地（和） | 金沢歌劇座 + オンライン開催 |
| 開催地（英） | The Kanazawa Theatre + Online |
| テーマ（和） | 無線分散ネットワーク，M2M(Machine-to-Machine)，D2D(Device-to-Device)，一般 |
| テーマ（英） | Distributed Wireless Network, M2M (Machine-to-Machine)，D2D (Device-to-Device)，IoT（Internet of Things）, etc |
| 委員長氏名（和） | 大石 哲矢(NTT) / 亀田 卓(広島大) / 樋口 健一(東京理科大) / 山本 高至(京大) / 東 俊一(名大) |
| 委員長氏名（英） | Tetsuya Oishi(NTT) / Suguru Kameda(Hiroshima Univ.) / Kenichi Higuchi(Tokyo Univ. of Science) / Koji Yamamoto(Kyoto Univ.) / Shunichi Azuma(Nagoya Univ.) |
| 副委員長氏名（和） | 三好 匠(芝浦工大) / 田久 修(信州大) / 石津 健太郎(NICT) / 矢野 一人(ATR) / 旦代 智哉(東芝) / 児島 史秀(NICT) / 牟田 修(九大) / 門田 和也(日立) / 大和田 泰伯(NICT) / 猿渡 俊介(阪大) / 小林 孝一(北大) / 石井 光治(香川大) |
| 副委員長氏名（英） | Takumi Miyoshi(Shibaura Insti of Tech.) / Osamu Takyu(Shinshu Univ.) / Kentaro Ishidu(NICT) / Kazuto Yano(ATR) / Tomoya Tandai(Toshiba) / Fumihide Kojima(NICT) / Osamu Muta(Kyushu Univ.) / Kazuya Monden(Hitachi) / Yasunori Owada(NICT) / Shunsuke Saruwatari(Osaka Univ.) / Shunichi Azuma(Hokkaido Univ.) / Koji Ishii(Kagawa Univ.) |
| 幹事氏名（和） | 池邉 隆(NTT) / 山口 実靖(工学院大) / 成枝 秀介(三重大) / 稲森 真美子(東海大) / 李 斗煥(NTT) / 山本 哲矢(パナソニック) / 安達 宏一(電通大) / 中村 理(シャープ) / 勝間田 優樹(NTTドコモ) / 中山 悠(東京農工大) / 内山 彰(阪大) / 加川 敏規(電中研) / 岡野 訓尚(立命館大) |
| 幹事氏名（英） | Takashi Ikebe(NTT) / Saneyasu Yamaguchi(Kogakuin Univ.) / Syusuke Narieda(Mie Univ.) / Mamiko Inamori(Tokai Univ.) / Doohwan Lee(NTT) / Tetsuya Yamamoto(Panasonic) / Koichi Adachi(Univ. of Electro-Comm) / Osamu Nakamura(Sharp) / Yuki Katsumata(NTT DOCOMO) / Yu Nakayama(Tokyo Univ. of Agri. and Tech.) / Akira Uchiyama(Osaka Univ.) / Toshinori Kagawa(CRIEPI) / Kunihisa Okano(Ritsumeikan Univ.) |
| 幹事補佐氏名（和） | 三原 孝太郎(NTT) / 大辻 太一(NEC) / 王 瀟岩(茨城大) / 田中 明美(MathWorks) / 須藤 克弥(電通大) / 酒井 学(三菱電機) / 岩渕 匡史(NTT) / 奥山 達樹(NTTドコモ) / 菅野 一生(KDDI総合研究所) / 張 裕淵(東工大) / 松田 裕貴(奈良先端大) / 田谷 昭仁(青学大) / 平井 健士(阪大) / 単 麟(NICT) / 足立 亮介(山口大) |
| 幹事補佐氏名（英） | Kotaro Mihara(NTT) / Taichi Ohtsuji(NEC) / WANG Xiaoyan(Ibaraki Univ.) / Akemi Tanaka(MathWorks) / Katsuya Suto(Univ. of Electro-Comm) / Manabu Sakai(Mitsubishi Electric) / Masashi Iwabuchi(NTT) / Tatsuki Okuyama(NTT DOCOMO) / Issei Kanno(KDDI Research) / Yuyuan Chang(Tokyo Inst. of Tech) / Yuki Matsuda(NAIST) / Akihito Taya(Aoyama Gakuin Univ.) / Takeshi Hirai(Osaka Univ.) / SHAN LIN(NICT) / Ryosuke Adachi(Yamaguchi Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Network Systems / Technical Committee on Smart Radio / Technical Committee on Radio Communication Systems / Technical Committee on Sensor Network and Mobile Intelligence / Technical Committee on Reliable Communication and Control |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | SVD-MIMOにおける機械学習を用いた送信ウェイト行列劣化補償手法の検討 |
| サブタイトル（和） | |
| タイトル（英） | Compensation method for transmission weight matrix of SVD-MIMO using machine learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | SVD-MIMO / SVD-MIMO |
| キーワード(2)（和/英） | 機械学習 / Machine learning |
| キーワード(3)（和/英） | 回帰問題 / Regression problem |
| キーワード(4)（和/英） | SVR / SVR |
| キーワード(5)（和/英） | FPU / Wireless links |
| 第 1 著者 氏名（和/英） | 牧野 仁宣 / Kiminobu Makino |
| 第 1 著者 所属（和/英） | 日本放送協会(略称：NHK) Japan Broadcasting Corporation(略称：NHK) |
| 第 2 著者 氏名（和/英） | 中川 孝之 / Takayuki Nakagawa |
| 第 2 著者 所属（和/英） | 日本放送協会(略称：NHK) Japan Broadcasting Corporation(略称：NHK) |
| 第 3 著者 氏名（和/英） | 居相 直彦 / Naohiko Iai |
| 第 3 著者 所属（和/英） | 日本放送協会(略称：NHK) Japan Broadcasting Corporation(略称：NHK) |
| 発表年月日 | 2022-07-13 |
| 資料番号 | RCS2022-73 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | RCS-106 |
| ページ範囲 | pp.26-31(RCS), |
| ページ数 | 6 |
| 発行日 | 2022-07-06 (RCS) |