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

RES是一个井的深度学习（DL），估计脓的数量，PU（主要用户）参数（接收能力，渠道占用等），没有学习，而没有老师在认知无线电中以频率共享目的的认知无线电感应. (Remaining difference) (Remaining) to estimate various proposal models for creating REM (radio environment map) that conforms to the radio environment by proposing a combination of NET and normal CNN (folded neural network) by deep learning (DL). I did它。基于上述配置（残基）NET和正常CNN（折叠神经网络）的组合，进行了验证的基本模拟，并在调制方法估计和通信系统估计中进行了适当的分类可以得出结论，建议方法的组成在深度学习的配置和组合中是适当的。提案方法的组成的识别率（分类率）为80％或以上，并且已确认它适合估计各种传播模型。还可以确定该建议方法可以应用于以下传播模型。在对各种传播模型的研究中，在六种类型的传播模型中进行了初步计算，检查了检查兼容性，并缩小了传播模型。已确定以下模拟为成本231，M.1225和M.2135。 （假定传播环境是Nakano -ku，东京）①2011（FY31）：通过实施各种传播模型的估计模拟②2022（FY21）：与各种传播模型的比较，通过实施各种传播模型的估计模拟，进行了眼睛和检查。模拟实现

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