| 講演名 | 2024-01-18 階層型モデルを用いたスパースベイズ学習に基づく大規模MIMO通信路推定に関する一検討 古田 健悟(阪大), 高橋 拓海(阪大), 伊藤 賢太(阪大), 衣斐 信介(同志社大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 大規模MIMO (Multi-Input Multi-Output) の通信路は，角度 (ビーム) 領域において疑似的な疎 (スパース) 性を有することが知られており，その統計的性質を利用することで高精度な通信路推定を実現できることが報告されている．このようなスパース信号の再構成 (SSR: Sparse Signal Recovery) 問題は，幅広い分野で応用される信号処理として圧縮センシング (CS: Compressed Sensing) を中心に検討されており，本稿では特にスパースベイズ学習 (SBL: Sparse Bayes Learning) に基づく手法に着目する．SBLは，ベイズ推論のアプローチでLASSO (Least Absolute Shrinkage and Selection Operator) 回帰を実現するSSRアルゴリズムであり，推定変数の事前分布 (モデルパラメータ) を同時に推定 (学習) することで推定精度を向上させる．本稿では，大規模MIMO通信路推定のための複素領域LASSOに基づく2階層および3階層の階層型ベイズモデルを用いたSBLアルゴリズムを設計し，既存のSSRアルゴリズムとの性能比較を行う．また，異なる複数の通信路モデルで評価を行うことで，アルゴリズムの特性についても検証する． |
| 抄録(英) | Massive multi-input multi-output (MIMO) channels are known to have pseudo-sparsity in the angular (beam) domain, and it has been reported that the statistical properties can be used to achieve highly accurate channel estimation.Such a sparse signal recovery (SSR) has been investigated as a signal processing for a wide range of applications, especially in the field of compressed sensing (CS), and this paper focuses on a method based on sparse Bayesian learning (SBL).SBL is a Bayesian SSR algorithm based on least absolute shrinkage and selection operator (LASSO) regression, which improves estimation accuracy by simultaneously estimating (learning) the prior distribution (or its parameters) of the estimated variables.In this paper, we design the SBL algorithm for massive MIMO channel estimation using two- and three-level hierarchical Bayesian models based on complex-domain LASSO modeling, and compare their performance with those of existing SSR algorithms.We also verify the characteristics of the algorithms by evaluating them with different channel models. |
| キーワード(和) | 大規模MIMO / 通信路推定 / スパースベイズ学習 / 階層型ベイズモデル / 複素領域LASSO |
| キーワード(英) | Massive MIMO / channel estimation / sparse Bayesian learning / hierarchical Bayesian model / complex LASSO |
| 資料番号 | IT2023-34,SIP2023-67,RCS2023-209 |
| 発行日 | 2024-01-11 (IT, SIP, RCS) |
| 研究会情報 | |
| 研究会 | SIP / IT / RCS |
|---|---|
| 開催期間 | 2024/1/18(から2日開催) |
| 開催地（和） | 東北大学 青葉記念会館 |
| 開催地（英） | |
| テーマ（和） | 無線通信のための信号処理，学習，数理，情報理論および一般 |
| テーマ（英） | |
| 委員長氏名（和） | 仲地 孝之(琉球大) / 小嶋 徹也(東京高専) / 樋口 健一(東京理科大) |
| 委員長氏名（英） | Takayuki Nakachi(Ryukyu Univ.) / Tetsuya Kojima(Tokyo Kosen) / Kenichi Higuchi(Tokyo Univ. of Science) |
| 副委員長氏名（和） | 市毛 弘一(横浜国大) / 西川 清史(都立大) / 野上 保之(岡山大) / 児島 史秀(NICT) / 牟田 修(九大) / 石井 直人(NEC) |
| 副委員長氏名（英） | Koichi Ichige(Yokohama National Univ.) / Kiyoshi Nishikawa(okyo Metropolitan Univ.) / Yasuyuki Nogami(Okayama Univ.) / Fumihide Kojima(NICT) / Osamu Muta(Kyushu Univ.) / Naoto Ishii(NEC) |
| 幹事氏名（和） | 今泉 祥子(千葉大) / 京地 清介(工学院大) / 細谷 剛(早大) / 眞田 亜紀子(長岡技科大) / 安達 宏一(電通大) / 中村 理(シャープ) / 酒井 学(三菱電機) |
| 幹事氏名（英） | Shoko Imaizumi(Chiba Univ.) / Seisuke Kyochi(Kogakuin Univ.) / Go Hosoya(Waseda Univ.) / Akiko Manada(Nagaoka Univ. of Tech.) / Koichi Adachi(Univ. of Electro-Comm) / Osamu Nakamura(Sharp) / Manabu Sakai(Mitsubishi Electric) |
| 幹事補佐氏名（和） | 吉田 太一(電通大) / 塩田 さやか(都立大) / 松田 哲直(埼玉大) / 岩渕 匡史(NTT) / 菅野 一生(KDDI総合研究所) / 張 裕淵(東工大) / 丸田 一輝(東京理科大) / 立石 貴一(NTTドコモ) |
| 幹事補佐氏名（英） | Taichi Yoshida(UEC) / Sayaka Shiota(Tokyo Metropolitan Univ.) / Tetsunao Matsuta(Saitamai Univ.) / Masashi Iwabuchi(NTT) / Issei Kanno(KDDI Research) / Yuyuan Chang(Tokyo Inst. of Tech) / Kazuki Maruta(Tokyo Univ. of Science) / Kiichi Tateishi(NTT Docomo) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Signal Processing / Technical Committee on Information Theory / Technical Committee on Radio Communication Systems |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 階層型モデルを用いたスパースベイズ学習に基づく大規模MIMO通信路推定に関する一検討 |
| サブタイトル（和） | |
| タイトル（英） | A Study on Massive MIMO Channel Estimation Based on Sparse Bayesian Learning Using Hierarchical Model |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 大規模MIMO / Massive MIMO |
| キーワード(2)（和/英） | 通信路推定 / channel estimation |
| キーワード(3)（和/英） | スパースベイズ学習 / sparse Bayesian learning |
| キーワード(4)（和/英） | 階層型ベイズモデル / hierarchical Bayesian model |
| キーワード(5)（和/英） | 複素領域LASSO / complex LASSO |
| 第 1 著者 氏名（和/英） | 古田 健悟 / Kengo Furuta |
| 第 1 著者 所属（和/英） | 大阪大学(略称：阪大) Osaka University(略称：Osaka Univ.) |
| 第 2 著者 氏名（和/英） | 高橋 拓海 / Takumi Takahashi |
| 第 2 著者 所属（和/英） | 大阪大学(略称：阪大) Osaka University(略称：Osaka Univ.) |
| 第 3 著者 氏名（和/英） | 伊藤 賢太 / Kenta Ito |
| 第 3 著者 所属（和/英） | 大阪大学(略称：阪大) Osaka University(略称：Osaka Univ.) |
| 第 4 著者 氏名（和/英） | 衣斐 信介 / Shinsuke Ibi |
| 第 4 著者 所属（和/英） | 同志社大学(略称：同志社大) Doshisha University(略称：Doshisha Uni.) |
| 発表年月日 | 2024-01-18 |
| 資料番号 | IT2023-34,SIP2023-67,RCS2023-209 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | IT-338,SIP-339,RCS-340 |
| ページ範囲 | pp.25-30(IT), pp.25-30(SIP), pp.25-30(RCS), |
| ページ数 | 6 |
| 発行日 | 2024-01-11 (IT, SIP, RCS) |