Data-Driven Design of Deep Unfolding-Aided Belief Propagation for Asynchronous Random Access

点击翻译按钮获取中文摘要

本研究課題は、時間・周波数同期誤差が誘発する干渉成分を効率的に抑圧するBP検出法の確立とその理論限界の解明を目的としている。効率的な干渉抑圧のために、非同期に起因して散乱する信号成分をかき集める構造としてOTFS (Orthogonal Time Frequency and Space) 変調の構造が有効であると判断し、OFDMの代わりにこれを利用する。2022年度は下記の2課題のサブテーマを実施した。・[課題1] 非同期ランダムアクセスのためのBP検出器の開発-(b)「セミブラインド通信路推定」・[課題2] 深層展開型BP検出器のデータ駆動設計-(b)「非直交OTFSのBP検出器」[課題1]-(b)では、パラメトリック双線形推論に基づく通信路とデータの同時推定法を提案し、高い信号検出精度を実現できることを明らかにした。また、独立成分分析のセミブラインド信号処理を導入することで、パイロット系列長をさらに削減することが可能となることを明らかにした。[課題2]-(b)では、非直交OTFSのBP検出器の繰り返し構造を、深層展開により複数の線形層と活性化層から成る深層ニューラルネットワークと解釈し、深層学習技術を利用して最適化困難であったパラメータのデータ駆動最適化を行ったBP検出器を設計した。また、自己符号化器の構造をOTFSに取り入れ、送信信号の最適化に関しても検討を行った。さらに、独立成分分析に深層展開を導入し、データ駆動最適化を施すことで、信号検出精度の改善に有効であることも明らかにした。