文献

J-GLOBAL ID：202002242259957749   整理番号：20A0812674

5G無線通信のためのチャネル状態情報予測:深層学習アプローチ【JST・京大機械翻訳】

Channel State Information Prediction for 5G Wireless Communications: A Deep Learning Approach

著者 (5件)： Luo Changqing (Department of Computer Science, Virginia Commonwealth University, Richmond, VA) ,  Ji Jinlong (Department of Electrical Engineering and Computer Science, Case Western Reserve University, Cleveland, OH) ,  Wang Qianlong (Department of Electrical Engineering and Computer Science, Case Western Reserve University, Cleveland, OH) ,  Chen Xuhui (Department of Electrical Engineering and Computer Science, Case Western Reserve University, Cleveland, OH) ,  Li Pan (Department of Electrical Engineering and Computer Science, Case Western Reserve University, Cleveland, OH)
資料名： IEEE Transactions on Network Science and Engineering  (IEEE Transactions on Network Science and Engineering)
巻： 7  号： 1  ページ： 227-236  発行年： 2020年 
JST資料番号： W2435A  ISSN： 2327-4697  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： チャネル状態情報(CSI)推定は,無線通信システムにおける最も基本的な問題の1つである。これまで,様々な方法が,CSI推定を行うために開発されてきた。しかし,それらは通常,高い計算複雑性を必要とし,多くの新しい技術(例えば,大規模なMIMO,OFDM,ミリ波(mmWave))を採用することにより,5G無線通信に適さない。本論文では,5G無線通信システムにおける歴史的データからCSIを予測するために,OCEANと呼ばれる効率的なオンラインCSI予測方式を提案した。具体的には,まず,無線リンクのCSIに影響するいくつかの重要な特徴を同定し,データサンプルは特徴とCSIの情報からなる。次に,CNN(畳込みニューラルネットワーク)と長い短期間(LSTM)ネットワークの統合である学習フレームワークを設計した。さらに,オフラインオンライン二段階訓練機構を開発し,それを実用的な5G無線通信システムに適用するとき,予測結果をより安定にすることを可能にした。OCEANの有効性を検証するために,4つの典型的な事例研究を考察し,4つのシナリオ,すなわち2つの屋外と2つの屋内シナリオにおける広範な実験を行った。実験結果は,OCEANが非常に速く予測したCSI値を得るだけでなく,予測と測定したCSIの間の最大2.650~3.457パーセントの平均差比(ADR)を有する非常に正確なCSI予測を達成することを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *無線伝送 ,  OFDM ,  EHF波 ,  有効性 ,  事例研究 ,  計算量 ,  ネットワーク ,  *学習
準シソーラス用語： 無線リンク ,  オンライン ,  MIMO ,  無線システム ,  *深層学習 ,  *チャネル状態情報 ,  *第5世代移動通信システム , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (5件)： 5G ,  無線通信 ,  チャネル状態情報 ,  予測 ,  深層学習