文献

J-GLOBAL ID：202202267991305073   整理番号：22A1009561

大規模マルチユーザMIMO検出のための信念伝搬法と深層学習の融合

Deep Learning-Aided Belief Propagation for Large Multiuser MIMO Detection

著者 (3件)： 高橋拓海 (大阪大 大学院工学研究科) ,  衣斐信介 (同志社大 理工) ,  三瓶政一 (大阪大 大学院工学研究科)
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： 289-294 (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： 日本語 (JA)

抄録/ポイント： 無線通信技術の発展に伴う無線信号の多次元化を背景に,大規模な線形推論問題を低計算量で解くための多次元信号検出が今後の無線通信システムにおいて重要な役割を担う.信念伝搬法(BP:Belief Propagation)に基づく線形ベイジアン検出器は,観測行列の各要素がゼロ平均で独立同分布したガウス分布に従うとき,大システム極限において最小計算量で最良の性能を達成する.しかし,無線通信システムで遭遇する線形推論問題においてその理想条件を精度よく満たすことは困難であり,精巧な多次元信号検出をそのまま適用しても,意図した検出性能が得られないことが多い.このような理論と工学の間にある隔たりを埋める橋渡し役として,深層展開(DU:Deep Unfolding)と呼ばれる,深層学習を利用した反復アルゴリズムの最適化技術が注目を集めている.本稿ではその一例として,上り回線の大規模マルチユーザMIMO(Multi-Input Multi-Input)検出を線形ベイジアン検出器の一種であるガウス信念伝搬法(GaBP:Gaussian BP)で実現する際に,無線通信環境と理想条件の差異によって生じる不都合をDU技術によって緩和できることを示す.その実例を通して,学習可能なアルゴリズムの設計・学習後のアルゴリズムの解釈・および性能評価について解説し,BPと深層学習を統合して実用的な信号検出アルゴリズムを設計するためのエッセンスを与える.(著者抄録)

シソーラス用語： *MIMOシステム ,  *信号検出 ,  機械学習 ,  最適化手法 ,  通信設計 ,  通信路モデル ,  誤り率 ,  Bayes推定
準シソーラス用語： BER【誤り率】 ,  アルゴリズム設計 ,  *マルチユーザーMIMO ,  信念伝搬法 ,  深層学習 ,  深層展開 ,  *大規模MIMO

分類 (1件)： 無線通信一般  (ND08010L)

引用文献 (25件)：

• A. Balatsoukas-Stimming and C. Studer, “Deep unfolding for communications systems: A survey and some new directions,” 2019.
• K. Gregor and Y. LeCun, “Learning fast approximations of sparse coding,” Proceedings of the 27th ICML, p.399-406, ICML’10, Omnipress, Madison, WI, USA, 2010.
• J.R. Hershey, J.L. Roux, and F. Weninger, “Deep unfolding: Model-based inspiration of novel deep architectures,” 2014.
• 和田山正,“深層学習に基づく無線通信技術 ~ 研究の現状と展望 ~,” 信学技報,vol.119,no.176,pp.61-66,2019.
• 和田山正,高邉賢史,“深層展開に基づく信号処理アルゴリズムの設計,” 電子情報通信学会 基礎・境界ソサイエティ Fundamentals Review,vol.14,no.1,pp.60-72,2020.

タイトルに関連する用語 (5件)： 大規模 ,  マルチユーザMIMO ,  信念伝搬法 ,  深層学習 ,  融合