Discovery Sagaサイレントキーワード俯瞰

本研究では，無線通信路に適した適応量子化及び量子化情報に基づく信号処理設計と，深層学習に基づくパラメータ最適化・入力推定を用いた超大容量・超低遅延・超低消費電力無線通信の実現を目指す．
２０２１年度は，例えば複数の無線通信システムが混在するcognitive環境において，通信システムの変調方式を特定する深層学習に基づく軽量の変調識別器を設計した．計算機シミュレーションに基づく評価の結果，提案法は軽量でありながら，優れた識別特性を得られることを確認した．また，FDD (Frequency Division Duplex) 方式を用いたシステムでプリコーディングやMIMO (Multiple-Input Multiple-Output)信号検出などに用いる通信路状態情報（CSI: Channel State Information）を基地局で得る方法として，CSIのフィードバック法がある．このCSIフィードバック法に対し，フィードバック情報量を削減しながら高い精度を達成する方法として，転移学習を用いた手法を提案した．転移するモデルのソースデータとして，例えば５G（第5世代位相通信システム）で規定されている通信路モデルを用いて，転移学習を用いることで他の通信路モデルに対し小量のデータを用いるだけで，優れた精度を達成することを示した．
これらの深層学習に基づく手法を用いることで，大容量・低遅延・低消費電力化が期待される．

【研究分担者】
豊田健太郎	慶應義塾大学	理工学部(矢上)	訪問助教	(Kakenデータベース)