文献

J-GLOBAL ID：202202250130406887   整理番号：22A1009538

ニューラルネットワークを用いた時系列画像による60GHz帯屋内電波伝搬環境における受信信号電力予測

Received Power Prediction of 60 GHz Millimeter-Wave Propagation in Indoor Environment from Time-Series Images Using Neural Networks

著者 (2件)： NGUYEN Khanh Nam (National Inst. of Information and Communications Technol. (NICT), Miyagi-ken, JPN) ,  TAKIZAWA Kenichi (National Inst. of Information and Communications Technol. (NICT), Miyagi-ken, JPN)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 121  号： 327(IT2021 28-82)  ページ： 149-154 (WEB ONLY)  発行年： 2022年01月13日 
JST資料番号： U2030A  ISSN： 2432-6380  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 本研究では,60GHz帯屋内電波伝搬環境を対象として,キルヒホッフ近似(KA)によって受信信号電力データ解析的に得られた.また,60GHz帯受信信号電力の測定を実施し,KAからの解析結果の検証を行って,予測手法構築した.本手法においては,時系列画像データから受信信号電力を予測するため,予測モデルとして2種類のニューラルネットワークについて評価を行った.具体的には,3次元(3D)畳み込みニューラルネットワーク(CNN)のみを用いる場合と,CNNに加えて長短期記憶(LSTM)を組み合わせた場合(CNN+LSTM)に対して評価を行い,最大3秒後の受信信号電力の予測結果において,平方平均二乗誤差がそれぞれ3.02dB及び2.32dBとなる結果を得た.(著者抄録)

シソーラス用語： *電波伝搬 ,  EHF【周波数】 ,  屋内環境 ,  *電力 ,  信号レベル ,  予測モデル ,  *信号推定 ,  測定データ ,  時系列 ,  ニューラルネットワーク ,  データ収集 ,  予測技法 ,  画像処理 ,  通信信号
準シソーラス用語： 屋内伝搬 ,  画像データ ,  時系列データ ,  受信信号 ,  *受信電力

分類 (1件)： マイクロ波・ミリ波通信  (ND08020W)

引用文献 (12件)：

• B. Gao et al., “Double-link beam tracking against human blockage and device mobility for 60-GHz WLAN,′′ Proc. of IEEE Wireless Communications and Networking Conference (WCNC), Istanbul, Turkey, April 2014.
• Y.M. Tsang and A.S.Y. Poon, “Detecting human blockage and device movement in mmWave communication system,” Proc. of IEEE Global Telecommunications Conference (GLOBECOM), Houston, TX, USA, December 2011.
• E. Perahia and M.X. Gong, “Gigabit wireless LANS: An overview of IEEE 802.11ac and 802.11ad,′′ ACM SIGMOBILE Mobile Comput. Commun. Rev., vol. 15, no. 3, pp. 23-33, January 2011.
• M.E. Morocho-Cayamcela, H. Lee, W. Lim and , “Machine learning for 5G/B5G mobile and wireless communications: Potential, limitations, and future directions,” IEEE Access, vol. 7, pp. 137184-137206, October 2019.
• T. Nishio et al., “Proactive received power prediction using machine learning and depth images for mmWave networks,” IEEE J. Sel. Areas Commun., vol. 37, no. 11, pp. 2413-2427, November 2019.

タイトルに関連する用語 (7件)： ニューラルネットワーク ,  時系列画像 ,  屋内 ,  電波伝搬 ,  環境 ,  信号電力 ,  予測