文献

J-GLOBAL ID：202402253285673504   整理番号：24A0415731

シミュレーティッド分岐マシンを利用した深層展開型MIMO信号検出器

Deep Unfolded MIMO Signal Detector Based on Simulated Bifurcation

著者 (1件)： 高邉賢史 (東京工大 情報理工学院)
資料名： 情報理論とその応用シンポジウム予稿集(CD-ROM)  (SITA)
巻： 46th  ページ： ROMBUNNO.5.3.3  発行年： 2023年11月21日 
JST資料番号： L4801B  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・5G以降の無線通信で重要なMIMOにおける深層展開を用いた信号検出に対し,量子模擬計算の一種であるシミュレーティッド分岐(SB)マシンを利用してエラーフロアを解消する手法を提案。
・MIMO通信路モデルを示し,量子振動子モデルを用いた最適化手法であるSBの概要を説明して,SBに基づくMIMO信号検出器では極小解への収束により高SNR領域でエラーフロアが生じる特性を解説。
・極小解の解消に対し,SBとレーベンバーグ・マルカート法を組み合わせた提案手法を示し,さらに深層展開型SBマシンを用いて内部パラメタを適切に調整する手法を説明。
・数値実験により,提案の深層展開型MIMO信号検出器は,低SNR領域での性能劣化を改善しつつ,高SNR領域でのエラーフロアの解消を少数の反復回数で実現することを確認。

シソーラス用語： *移動通信 ,  *MIMOシステム ,  信号検出 ,  機械学習 ,  枝分れ ,  最適化手法 ,  量子計算 ,  通信路モデル ,  深層学習
準シソーラス用語： *5G ,  深層展開

分類 (1件)： 移動通信  (ND08030H)

引用文献 (13件)：

• E. G. Larsson, O. Edfors, F. Tufvesson, and T. L. Marzetta, ′′Massive MIMO for next generation wireless systems,′′ IEEE Comm. Magazine, vol. 52, no. 2, pp. 186-195, Feb. 2014.
• K. Gregor and Y. LeCun, ′′Learning fast approximations of sparse coding,′′ Proc. 27th Int. Conf. Machine Learning, pp. 399-406, 2010.
• A. Balatsoukas-Stimming and C. Studer, ′′Deep Unfolding for Communications Systems: A Survey and Some New Directions,′′ 2019 IEEE International Workshop on Signal Processing Systems(SiPS), 2019, pp. 266-271.
• S. Takabe, M. Imanishi, T. Wadayama, R. Hayakawa and K. Hayashi, ′′Trainable projected gradient detector for massive overloaded MIMO channels: Data-driven tuning approach,′′ IEEE Access, vol. 7, pp. 93326-93338, 2019.
• N. Mohseni, P. L. McMahon, and T. Byrnes, ′′Ising machines as hardware solvers of combinatorial optimization problems.′′ Nature Rev. Phys. vol. 4, no. 6, pp.363-379, 2022.

タイトルに関連する用語 (5件)： 分岐 ,  マシン ,  深層展開 ,  MIMO ,  信号検出器