Communication Environment Estimation by Deep Learning for Improving Frequency Utilization Efficiency and its Application to Adaptive Modulation Coding

提高频率利用效率的深度学习通信环境估计及其在自适应调制编码中的应用

基本信息

批准号：
22K14253
负责人：
小島駿
金额：
$ 2.91万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

無線通信網は現代および将来のインフラとしてますます重要性を増しており，周波数資源の逼迫は喫緊かつ重大な社会課題である．近年では効率的な周波数資源の活用方式として，スペクトル有効周波数分割多重（SEFDM）が注目されている．この方式では信号を圧縮し送受信を行うため，圧縮信号間で干渉が生じる問題がある．従来ではこの干渉除去に莫大な計算量を要するため，適応的な制御に必要とされる通信環境情報の高速・高精度な取得が困難であった．そこで本研究では，干渉が与える影響の理論解析を通し，深層学習への最適なSEFDM信号の入力形式の同定を行い，信号に内包される特徴を最大限に抽出することで，干渉除去を行わずに低計算量でかつ高速・高精度な通信環境情報推定手法の創出を目指す．さらにSEFDMとOFDMとの併用を可能にする適応変調符号化制御への応用を行い，高効率な通信方式の確立を図る.初年度である2022年度は，SEFDMにおける圧縮による干渉の影響の理論解析を行った．周波数方向の圧縮による信号間干渉が受信信号に及ぼす影響に対して，精緻な解析・調査を実施した．その後，干渉存在下の様々な通信路（レイリーフェージング、ライスフェージング）におけるSEFDMによる影響の解析を通し，通信環境情報として信号対雑音電力比（SNR）を推定する場合に畳み込みニューラルネットワークへの受信信号の入力形式として，スぺクトログラム波形が最も高い性能を示すことを明らかにした．これらの成果の一部をまとめたものを国内会議，IEEEジャーナルへ投稿している．

作为现代化和未来的基础设施，无线通信网络变得越来越重要，频率资源的紧密度是一个紧迫而严重的社会问题。近年来，光谱有效的频施加多路复用（SEFDM）吸引了人们作为利用频率资源的有效方法。该方法压缩信号和传输并接收它们，从而导致干扰信号之间发生干扰。过去，这种干扰删除需要大量的计算，因此很难获得高速且高度准确的通信环境信息，这是自适应控制所必需的。因此，在这项研究中，我们能够通过理论分析干扰效应，并通过在最大程度上提取信号中包含的特征来确定最佳的SEFDM信号输入格式，以进行深入学习，我们旨在创建一种低速，高速，高级交流环境信息估计方法而无需执行干扰来消除干扰的方法。此外，该公司将将其应用于自适应调制编码控制，该控制能够与SEFDM和OFDM结合使用，并建立高效的通信系统。在2022年的第一年，对SEFDM压缩引起的干扰作用的理论分析得以进行。关于频率压缩对接收信号引起的信号干扰的影响进行了详细的分析和研究。之后，通过分析SEFDM对干扰存在的各种通信路径（瑞利褪色，水稻褪色）的影响，可以发现，当信号到噪声功率比率（SNR）估计为通信环境信息时，SpectRogram Programe tovems spectrogram tovems表现出最高的性能作为接收信号与卷积神经网络的输入格式。这些结果的摘要已发布到全国会议和IEEE杂志上。