深層学習により周波数共用のための精度が良い電波環境マップ作成を行う研究

研究利用深度学习创建准确的无线电波环境地图以实现频率共享

• 批准号: 21K14161
• 负责人: 井手 輝二
• 金额: $ 2.91万
• 依托单位: Kagoshima National College of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K14161/
• 关键词: コグニティブ無線; 電波環境マップ(REM); 伝搬モデル; 深層学習; CNN(畳み込みニューラルネットワーク); センシング; 電波環境マップ; 電波伝搬

周波数共用目的のコグニティブ無線のセンシングにおいて教師なし学習によりPUの数、PU(一次ユーザ）のパラメータ（受信電力、チャネル占有率等）推定を行い、精度が良い深層学習(DL)の構成であるRes(残差)Netと通常のCNN(畳み込みニューラルネットワーク)の組合せの提案方法により電波環境に適合するREM(電波環境マップ)作成用の各種伝搬モデル推定を深層学習(DL)により推定するための目途付けを行った。上記構成であるRes(残差)Netと通常のCNN(畳み込みニューラルネットワーク)の組合せ（提案方式）について基礎的な確認及び検証のシミュレーションを行い、変調方式推定及び通信システム推定において適切に分類が行われていることから提案方式の構成が深層学習の構成及び組み合わせにおいて適切であるとの結論を得ることができた。提案方式の構成は識別率（分類率）が80％以上であり、各種伝搬モデルの推定に適切であることが確認された。また以下の伝搬モデルに提案方式の構成が適用できることが確認できた。各種伝搬モデルの検討において、6種類の伝搬モデルにおいて予備計算を行い、適合性の検討を行い、伝搬モデルの絞り込みを行った。各種伝搬モデルは以下のシミュレーションによりはCOST-231、M.1225、M.2135の各伝搬モデルと決定した。（伝搬環境は東京都中野区を想定）①2021年度(令和3年度)：各種伝搬モデル推定シミュレーション実施による目途付け及び検討②2022年度(令和4年度)：各種伝搬モデルと比較するためのレイトレースシミュレーション実施による目途付け及び検討

在感知共享频率的认知无线电时，使用无监督学习的PU（主要用户）（主要用户）（接收功率，渠道占用等）的参数估计，以及提出的结合RES（残留）NET的方法（残留）的方法（残留）的结构，高度准确的深度学习（DL）和一个标准的CNN（DL）（REM Nevimate intress Inrountation interivation Intrumigation streative streative streative streations streative streations streatiate估算估计估计估计估计的估计）适用于使用深度学习（DL）的无线电环境。我们对上述结构（剩余）NET和通常的CNN（卷积神经网络）进行了基本的确认和验证模拟，并且由于调制方法估计和通信系统估计得到了适当的分类，我们能够得出结论，建议的方法适用于深度学习结构和组合的结构。所提出的方法的歧视率（分类率）为80％或以上，并且已被确认适合估计各种传播模型。还可以确定该提出的方法可以应用于以下传播模型。在检查各种传播模型时，对六种类型的传播模型进行了初步计算，检查了适用性，并缩小了传播模型。确定各种传播模型是基于以下模拟的成本231，M.1225和M.2135传播模型。 （假定传播环境是东京的Nakano Ward）1。FY2021（FY2021）：通过实施估计各种传播模型2。FY2022（FY2022）（FY2022）：日程安排和考虑：时间表和考虑，通过实施射线痕量模拟与各种传播模型进行比较

项目成果

無線機器システム

无线设备系统

• 发表时间: 2021
• 作者: 樋口 智大;柴田 凌;八嶋 弘幸;井手輝二
• 通讯作者: 井手輝二