JP2019016967A - 受信機および受信方法 - Google Patents
受信機および受信方法 Download PDFInfo
- Publication number
- JP2019016967A JP2019016967A JP2017134417A JP2017134417A JP2019016967A JP 2019016967 A JP2019016967 A JP 2019016967A JP 2017134417 A JP2017134417 A JP 2017134417A JP 2017134417 A JP2017134417 A JP 2017134417A JP 2019016967 A JP2019016967 A JP 2019016967A
- Authority
- JP
- Japan
- Prior art keywords
- receiver
- regression model
- block
- information
- reception
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
【課題】受信機を構成する個別の回路ブロックを設計する手間を不要とする受信機および受信方法を提供する。
【解決手段】受信信号をADC1によりデジタルサンプルし、同期部2で同期を行う。同期済み信号を、ブロック長に等しいBサンプルで切り出し、ニューラルネットワーク3に入力する。ニューラルネットワーク3は、入力層のユニット数がBで、出力層のユニット数が1ブロックあたりの情報ビット数に等しいLである。入力層と出力層との間には、学習内容に応じてネットワークの状態を変える隠れ層存在する。また、出力層のアクティベーション関数は、シグモイド関数である。シグモイド関数の出力値は、0から1の範囲内に収まることから、対応する情報ビットが1である確率とみなすことができる。
【選択図】図1
【解決手段】受信信号をADC1によりデジタルサンプルし、同期部2で同期を行う。同期済み信号を、ブロック長に等しいBサンプルで切り出し、ニューラルネットワーク3に入力する。ニューラルネットワーク3は、入力層のユニット数がBで、出力層のユニット数が1ブロックあたりの情報ビット数に等しいLである。入力層と出力層との間には、学習内容に応じてネットワークの状態を変える隠れ層存在する。また、出力層のアクティベーション関数は、シグモイド関数である。シグモイド関数の出力値は、0から1の範囲内に収まることから、対応する情報ビットが1である確率とみなすことができる。
【選択図】図1
Description
本発明は、機械学習を用いた受信機および受信方法に関する。
現在使用されている通信方式としては、無線LAN、LTEおよびBluetoothなど様々な通信規格が存在し、さらには次々と新しい通信規格も提唱されている状況にある。例えば、次世代の携帯通信に向けて5G構想が進められ、また、無線LANに関しては、IEEE 802.11axの標準化が進行している。このように、通信規格は急速に高度化している中にあって、それに対応する送受信機の開発についても難易度が増しているのが現状である。
特に、受信機を構築するに当たっては、複雑かつ計算量の多い処理が多数必要となる。一般的な受信機の主な機能としては、同期、等化、復調および誤り訂正から構成されるところ、これらは機能ブロック毎に専門の設計を必要とし、開発コストへの圧迫も問題とされていた。また、個別に設計された機能ブロックを統合する際に、想定外の不具合が生じるなどの問題もあった。
特許文献1には、受信信号から自動的に適切な復調回路を選択する機能を有する受信機が記載されている。しかし、搭載される復調回路自体は、人間が設計しなければならず、また、対応する通信方式の数だけ専用の復調回路を搭載しなければならない。
また、近年では、単一のハードウェアで様々な通信方式に対応するソフトウェア無線が提唱されている。しかし、そのソフトウェアを開発するためにも専門知識が必要であり、自動設計は困難な状況下にある。
図10は、デジタル変調方式を用いた送信機の構成例を示す図である。ここでは、近年デジタル変調方式の主流である、OFDM(Orthogonal Frequency Division Multiplexing:直交周波数分割多重)方式による送信機について説明する。送信情報(「0」と「1」で表されるデジタル信号)は、以下の順序の処理を経て送信されることになる。
(1)発生するエラーに備えて、誤り訂正符号化が施される。
(2)誤り訂正符号化された出力は、QAM(Quadrature Amplitude Modulation:直交振幅変調)の規則にしたがって、実数(または複素数)にマッピング(変換)される。例えば、4−QAM(QPSK)であれば、
「00」 → √2/2+j√2/2、 「01」 → √2/2−j√2/2、
「10」 → −√2/2+j√2/2、 「11」 → −√2/2−j√2/2
という規則でマッピングされることになる。
(2)誤り訂正符号化された出力は、QAM(Quadrature Amplitude Modulation:直交振幅変調)の規則にしたがって、実数(または複素数)にマッピング(変換)される。例えば、4−QAM(QPSK)であれば、
「00」 → √2/2+j√2/2、 「01」 → √2/2−j√2/2、
「10」 → −√2/2+j√2/2、 「11」 → −√2/2−j√2/2
という規則でマッピングされることになる。
(3)もしエラーが発生してもエラーが一箇所に固まらないように、QAMマッピング出力の順番をランダムに入れ替える処理(インターリーバ)をする。
(4)前記インターリーバの出力信号と合わせて、受信機が正しく信号を復調するために必要なパイロット信号を混合させる。
(4)前記インターリーバの出力信号と合わせて、受信機が正しく信号を復調するために必要なパイロット信号を混合させる。
(5)送信信号の周波数成分が情報を表すように変調するため、前記インターリーバの出力信号をIFFT(逆高速フーリエ変換)することによって時間領域信号を取得する。このIFFTは、予め定めた長さの単位(以下、「ブロック」という)で処理が実行される(以下、「OFDMブロック」という)。
(6)前記IFFTの出力信号に、一定の長さのGI(ガードインターバル)を付与する。
(7)前記GIを付与した信号をDAC(デジタル−アナログコンバータ)によってアナログ信号に変換して、送信機出力信号として送信する。
(7)前記GIを付与した信号をDAC(デジタル−アナログコンバータ)によってアナログ信号に変換して、送信機出力信号として送信する。
図11は、その(a)から(d)によって、図10に示す送信機による一連の処理と信号長との対応を示している。
(a)図10に示す送信機の入力となる、kビットの送信情報である。
(a)図10に示す送信機の入力となる、kビットの送信情報である。
(b)図10の誤り訂正符号化(1)によって、kビットの送信情報をnビットに変換する。ただし、k<nである。
(c)図10のQAMマッピング(2)によって、mビットを1シンボルに割り当て、QAMシンボル系列の情報とする。
(d)図10のインターリーバ(3)は信号長に影響しないため無視するとして、図10のIFFT(5)は、Nシンボル単位で処理することから、そのNシンボルは、Ns個のデータシンボルおよびNp個のパイロットシンボル(図10のパイロット信号(4)による混合)から構成されるものとする。すなわち、Ns+Np=Nである。さらに、図10のGI付与(6)によって長くなる分を考慮し、1ブロック当たりBサンプルの長さから構成されるものとする。ただし、B>Nである。
以上により、1ブロックあたり、Lビット(=Ns・m・k/nビット)の情報が対応していることがわかる。後述する本発明においては、Lが整数であることを仮定する。ただし、誤り訂正符号を設計する都合上、Lが整数にならない場合もあるが、その場合は、パディングビットやパディングシンボルを導入することで、Lを整数にすることができる。実際の通信規格においても、1ブロックあたりの情報ビット数は整数となるように設計されている場合が多い。
続いて、図10に示す送信機に対応する受信機について説明する。図12は、従来型の受信機の構成例を示す図である。受信データの処理の流れに沿って、同期部、等化部、復調部および誤り訂正部の4つの機能ブロックに分かれている。
(11)受信信号は、ADC(アナログ−デジタルコンバータ)によってデジタル信号化される。
(11)受信信号は、ADC(アナログ−デジタルコンバータ)によってデジタル信号化される。
(12)同期部は、前記デジタル信号に対して、情報ブロックのタイミングのズレを補償するために、シンボルタイミングの推定を行いこの推定を基にシンボルタイミングの同期を取って、同期済み信号を出力する。
(13)〜(17)等化部は、伝送路で生じる歪みを打ち消す役割を担う。一般に通信では、送信信号をX、受信信号をYとすると、その関係は、Y=HX+Nと表すことができる。ここで、Nはノイズであり、Hは伝送路応答である。
等化部は、このHを推定して打ち消す機能を奏する(単純には、Yに1/Hを乗じる)。OFDM方式のデジタル変調であるため、前記同期済み信号に対し、GI削除(13)を行う。次に、FFT(高速フーリエ変換)(14)によって、周波数領域の信号に変換する。この周波数領域の信号に対して、伝送路応答推定(15)によって、前記Hが推定される。推定した前記Hを使って、伝送路等化(16)の処理として、1/Hが乗じられる。さらに、送信側で施したインターリーバの処理に対応して、デインターリーバ(17)によって、データの順番を元に戻す処理を実行する。この一連の処理によって、等化部の出力は、送信側のQAMマッピング出力に対応したシンボルとなる。
(18)復調部は、等化部の出力(シンボル)を受けて、構成ビットの尤度(信頼度)を計算する(尤度計算(18))。例えば、前記した4−QAMの場合、もし等化部の出力シンボルが「−0.8+j0.6」であったとき、元の送信シンボルの第1ビットは「1」で、第2ビットは「1」である可能性が高い。この確からしさを数値化すべく、対数尤度比(LLR:log−likelihood ratio)を計算する。このLLRは、次式で表される。
LLR=log(P1/P0)
ここで、Piは、当該ビットがiである確率(i=0,1)である。
前記LLRは、誤り訂正符号化されたビット列の信頼度を表し、続く誤り訂正部に入力される。
LLR=log(P1/P0)
ここで、Piは、当該ビットがiである確率(i=0,1)である。
前記LLRは、誤り訂正符号化されたビット列の信頼度を表し、続く誤り訂正部に入力される。
(19)誤り訂正部は、入力されたLLRと誤り訂正符号の規則性に基づいて、誤り訂正(19)を行い、もっとも確からしい原情報ビット系列を復元し、受信情報とする。
受信信号から送信されたビット情報(送信情報)を取り出すまでに、様々な処理ブロックが必要となる。また、各々の処理ブロックについては膨大な研究開発が背景にあり、処理ブロック一つ一つが複雑な構造になっている。例えば、近年の誤り訂正処理は、LDPC(Low−Density Parity−Check)符号に代表されるように、極めて複雑な処理態様になっている。また、等化処理では、伝送路応答Hを推定して1/Hを乗じるが、性能を向上させるためにはより高度な処理態様が求められる。このように、高度な処理態様が必要となるに従って、開発も困難になっている。
また、受信機開発の困難性として、受信信号のすべてのパターンを想定できないことが挙げられる。通常の開発では、典型的な電波伝搬環境を想定して、受信信号のパターンを仮定するが、実際に受信機が運用される環境と異なることはままあることで、その場合には満足のいく性能が得られない結果となる。
本発明の目的は、以上の課題を克服し、従来型の受信機に内在する開発の困難性を回避して受信機の製作を容易にし、複数の通信規格にも対応可能な受信機を提供することである。
前記課題を解決するために、本発明に係る受信機は、送信された原情報を受信信号から受信情報として復調するに当たり、受信信号を、当該受信信号と送信された原情報との関係を学習した回帰モデルを使って受信情報に復調することを特徴とする。
本発明によれば、従来型の受信機を構成する個別の回路ブロックを設計する手間を不要とするため、従来型の受信機に内在する開発の困難性を回避し、通信に関する専門知識がない者でも受信機を製作することができる。また、使用する通信規格の仕様に基づき自動で受信機を設計することや、飛び交う電波に応じて自動で学習して適切な状態の受信機を提供することも可能であり、内部ネットワークの重みを学習を通して適宜に切り替えることにより、一つの受信機で複数の通信規格に対応することも可能である。さらに、本発明は、無線通信だけでなく、有線通信、光通信を問わず、すべての通信装置に有効である。
以下に、本発明の実施形態として、実施例1〜実施例4について図を参照しながら説明する。
図1は、本発明に係る実施例1の受信機の構成を示す図である。
受信から同期までは、図12に示す従来型の受信機と同様で、受信信号をADC1によりデジタルサンプルし、同期部2で同期を行う。同期済み信号を、前記したブロック長に等しいBサンプルで切り出し、ニューラルネットワーク3に入力する。
ニューラルネットワーク3は、入力層のユニット数がBで、出力層のユニット数が前記1ブロックあたりの情報ビット数に等しいLである。入力層と出力層との間には、学習内容に応じてネットワークの状態を変える隠れ層(図示せず)が存在する。また、出力層のアクティベーション関数(活性化関数)は、シグモイド関数である。シグモイド関数の出力値は、0から1の範囲内に収まることから、対応する情報ビットが1である確率とみなすことができる。
受信から同期までは、図12に示す従来型の受信機と同様で、受信信号をADC1によりデジタルサンプルし、同期部2で同期を行う。同期済み信号を、前記したブロック長に等しいBサンプルで切り出し、ニューラルネットワーク3に入力する。
ニューラルネットワーク3は、入力層のユニット数がBで、出力層のユニット数が前記1ブロックあたりの情報ビット数に等しいLである。入力層と出力層との間には、学習内容に応じてネットワークの状態を変える隠れ層(図示せず)が存在する。また、出力層のアクティベーション関数(活性化関数)は、シグモイド関数である。シグモイド関数の出力値は、0から1の範囲内に収まることから、対応する情報ビットが1である確率とみなすことができる。
したがって、ニューラルネットワーク3の出力信号に対しては、硬判定部4により、0.5を閾値として0と1が判定され(以下、この判定を「硬判定」という)、この判定した結果の値を受信情報ビットとして出力する。
ニューラルネットワーク3を構成する具体的な構造としては、フル結合、コンボリューショナル、リカレントおよびそれらの組み合わせなど、様々な実施形態が考えられる。本発明(実施例1〜実施例4)では、少なくとも1つ以上のリカレントネットワーク層を有することを特徴とする。これは、過去のブロックから判別される伝送路応答を活かすために、伝送路に関する情報を過去のブロックから取得する必要があるためである。この点については、図2を用いて補足する。
図2は、OFDMブロックの構造と伝送路応答との関係を示す図である。OFDMブロックは、データシンボルとパイロットシンボルから構成される。パイロットシンボルの方は通信規約で定められた値であるため、受信側におけるパイロットシンボルの値から伝送路応答が分かることになる。データを復調するためには、データシンボルの周波数における伝送路応答が必要であり、近隣のパイロットシンボルから補間によって得る。しかし、パイロットシンボルは疎らにしか配置されていないため、過去のブロックのパイロットシンボルも利用する。これにより、ブロック毎にパイロットシンボルの場所が異なるため、換言すれば、ブロック番号によってパイロットシンボルが配置されている周波数成分が異なるため、伝送路応答を、現ブロックのパイロットシンボルのみから伝送路応答を判別するよりも、高精度に推定できることになる。
ここでは、過去のブロックが現ブロックの復調に必要な理由を示すために、伝送路応答の推定や補間について説明したが、本発明では、その機構を明示的に設計する必要はなく、単にリカレントネットワーク層を組み込むだけでよい。
図3は、ブロック構成とパイロットシンボルとの関係を示す図である。パイロットシンボルの配置に関しては様々なパターンが考えられる。図3の(a)は、図2の説明に対応し、ブロック毎にパイロットシンボルの配置が変わるパターンの例である。これにより、ブロック毎にパイロットが配置される周波数が変わる。他方、図3の(b)は、一定のブロック毎(図では、ブロック#1)にすべての周波数成分に一括してパイロットシンボルを配置するパターンの例である。リカレント構造を有するニューラルネットワークによれば、どのようなパイロットシンボルの配置に対しても対応可能となる。
ニューラルネットワーク3の入出力関係は、レイヤー間の結合重みW(以下、「重みW」という)によって決まる。そのため、受信信号を適切な0または1の情報に関係づける重みWを学習しなければならない。この学習のためのトレーニングデータについては、教師データを送信機から得ることができる。すなわち、受信したブロックに対応する情報ビット系列(送信情報)を教師データとして送信機から取得する。ただし、取得において誤りがないように、有線通信を使って取得することが望ましい。また、実施例1の受信機は、この教師データを受け取るための入力端子を備える。
学習部5は、前記した送信機から取得した送信情報(教師データ)および同期部2からの同期済み信号によるトレーニングデータに基づき、ネットワーク重み最適化部6で最適な重みWの値を学習する。学習結果の重みWは、ニューラルネットワーク3のネットワーク上に展開される。学習部5も、ニューラルネットワーク3と同様の構成を有し、重みWの学習アルゴリズムとしては、バックプロパゲーション法などを用いる。
このように、本発明においては、トレーニングデータを送信機から取得した送信情報および受信信号から自機内(または、後述する変形例で示す他の受信機や計算機プログラム)で機械的に生成するため、無尽蔵にトレーニングデータが取得できる。一般に、ニューラルネットワークの性能は、トレーニングデータの量に比例することが知られている。したがって、本発明に係る受信機は、従来の専門家によって設計された受信機と同等以上の性能を有することが期待できるものである。
また、実施例1では、受信信号から情報を得る手段として、ニューラルネットワークを用いたが、例えば、ランダムフォレスト(多数の決定木を用いたアンサンブル学習)のような他のモデルであってもよい。すなわち、入出力関係をトレーニングデータから学ぶことができる回帰モデルであるならば、ニューラルネットワークに限らずあらゆる実施の形態が考えられる。
以上のとおり、実施例1によれば、従来のビルドアップ型で設計される受信機のように、機能ブロック毎に必要な専門知識は不要となると共に、ビルドアップした際に不具合が生じる恐れもない。さらに、実際の運用環境での電波を使って学習することができるため、良好な受信性能も期待できる。このように、従来型の受信機が抱える様々な問題を良好に解決することができる。
次に、図4は、実施例1の変形例となる受信機の構成を示す図である。変形例との比較のために図の(a)には、実施例1の構成の概略を示し、図の(b)には、実施例1の変形例イの構成を、図の(c)には、実施例1の変形例ロの構成を、それぞれ示す。
<変形例イ>
実施例1の受信機は、図1および図4の(a)に示すように、ニューラルネットワーク3のみならず、その重みを学習するための学習部5を備えたものである。この学習部5によって、あらゆる受信信号に対しても重みを自動的に学習する受信機が実現できる。ただし、学習部5の回路規模は無視できない大きさとなるため、小型化(コンパクト化)の流れには必ずしもそぐわない。
実施例1の受信機は、図1および図4の(a)に示すように、ニューラルネットワーク3のみならず、その重みを学習するための学習部5を備えたものである。この学習部5によって、あらゆる受信信号に対しても重みを自動的に学習する受信機が実現できる。ただし、学習部5の回路規模は無視できない大きさとなるため、小型化(コンパクト化)の流れには必ずしもそぐわない。
そこで、実施例1の変形例イとして、図4の(b)に示すように、ニューラルネットワークの重みを学習するためだけのプロトタイプ受信機を用いる。すなわち、このプロトタイプ受信機に学習部を設け、実際に運用する受信機の方は、プロトタイプ受信機で求めた固定の重みWで動作するようにしたものとなる。そのため、変形例イの運用側の受信機は、重みWを受け取る入力端子を備える。
<変形例ロ>
実施例1およびその変形例イは、信号を発信する送信機を必要とする。しかし、実際には、送信機と受信機とが並行して開発される場合も多く、トレーニングデータを得るための送信機が利用できないことが想定される。
実施例1およびその変形例イは、信号を発信する送信機を必要とする。しかし、実際には、送信機と受信機とが並行して開発される場合も多く、トレーニングデータを得るための送信機が利用できないことが想定される。
そこで、実施例1の変形例ロとして、図4の(c)に示すように、トレーニングデータの収集から学習までを計算機プログラムで実装するように構成する。実際に運用する受信機の方は、変形例イと同様に、この計算機プログラムで求めた固定の重みWで動作するようにしたものとなる。そのため、変形例ロの運用側の受信機も、変形例イと同様に、重みWを受け取る入力端子を備える。
図5は、本発明に係る実施例2の受信機の構成を示す図である。
先の実施例1では、学習部5で学習した重みWについては、すぐにニューラルネットワーク上に展開するようにしている。しかし、これに限定されるものではなく、例えば、再利用等ができるように、別途記憶部に重みWを保存するようにしてもよい。
先の実施例1では、学習部5で学習した重みWについては、すぐにニューラルネットワーク上に展開するようにしている。しかし、これに限定されるものではなく、例えば、再利用等ができるように、別途記憶部に重みWを保存するようにしてもよい。
そのために、図5の(a)〜(c)に示すように、NN(ニューラルネットワーク)重み記憶部7を受信機内に1以上の個数分設け、このNN重み記憶部7に保存された重みWの内、最適なものを重み切替部8によって切り替えてニューラルネットワーク3にロードする。このようにすれば、学習を経ることなくニューラルネットワークの動作態様を切り替えることができる。図5の(a)〜(c)の内、(a)は、実施例1の構成に対応して、(b)は、実施例1の変形例イに対応して、また、(c)は、実施例1の変形例ロに対応して、それぞれNN重み記憶部7および重み切替部8を設けたものである。
以上のように、複数の重みを用意する利点としては、第一に、複数の異なる通信方式に対応できることが挙げられる。また、第二に、同じ通信方式に対しても複数のパターンを用意し、受信状態に応じて切り替えることによって、安定した通信を確保することができる。
図6は、重み切替えを行う契機を示した図である。図示のように、重み切替部8は、ユーザの切替要求または受信機の受信状態(検出されたエラーの有無等)に応じて、NN重み記憶部7からロードする重みを切り替えるようにしている。重み切替えを行う契機としては、これらに限られるものではない。
従来からの受信機の設計においては、平均的な伝搬環境を想定し、それに対して有効に受信できるように開発が進められる。そのため、実運用においては想定外の伝搬環境に遭遇した場合に、受信できない状況が起こり得る。このような問題を軽減するためには、複数の受信アルゴリズムを用意して、受信状態に応じて複数の受信アルゴリズムを切り替えるという手法が考えられる(具体的には、前記した等化処理や補間処理を複数用意するなどに依る)。しかし、異なる受信アルゴリズムを複数設けることは、回路面積が著しく増大するのみならず、開発コストも増大する。また、受信アルゴリズムは、人間が考案しなければならないため、生成できるパターンも有限個に制限されることになる。
それに対して、ニューラルネットワークによって構成される本発明は、その重みWを変えることのみで様々な動作態様を実現できることになる。また、その動作態様は、教師データに応じて自動的に最適化される(設計者個人が具体的なアルゴリズムを考える必要がない)。また、重みWを保存しておく記憶領域が許す限りであれば、無数のパターンを用意することも可能となる。したがって、従来の受信機では受信できない環境においても、安定した受信を実現できる可能性が高まることになる。
なお、受信状態を判別する手段としては、例えば、CRC符号を使ったチェックサム機能を利用できる(多くの通信方式では、エラーの有無を検出するためにCRC符号が使われている)。
本発明に係る実施例3は、同期処理もニューラルネットワークに組み入れる構成とするものである。先の実施例1および2では、同期処理をニューラルネットワークとは別のブロックとして実装していたが、実施例3は、明示的な同期処理を不要にする構成を提供する。
ここで、本発明で採用するOFDM方式における同期とは、OFDMブロックの区切りを判別する処理である。図7は、OFDMブロックの区切りを判別する同期について説明する図である。図7の上側部分に示すように、理想的には、受信信号の立ち上がりタイミングが分かればブロック区切りは自明となるが、実際には、受信信号の立ち上がりタイミングに不確定性があるため、ブロック区切りが分からない。
そこで、想定される最大のずれをΔBサンプルとして、B+ΔBサンプル毎に、ΔBずつ端部をオーバーラップさせて切り出していく。したがって、切り出したブロックから真のブロックが漏れることはない。このように切り出したB+ΔBサンプルを入力とし、実施例1と同様に、ニューラルネットワーク3でLビットを出力する(図8、参照)。
図8は、本発明に係る実施例3の受信機の構成を示す図である。
先の実施例1と異なる構成として、同期部2に替えて、ΔBずつのオーバーラップさせるためのオーバーラップ処理部9を設ける。また、学習部5においては、あらゆる同期ずれに対応させるために、タイミングランダム化部10により人工的にタイミングエラーを加える操作(タイミングのランダム化)を施してから、オーバーラップ処理部9により前記と同様のオーバーラップ切り出しを行う。これは、毎回変化する同期誤差に対して、ロバスト性を確保するためである。
先の実施例1と異なる構成として、同期部2に替えて、ΔBずつのオーバーラップさせるためのオーバーラップ処理部9を設ける。また、学習部5においては、あらゆる同期ずれに対応させるために、タイミングランダム化部10により人工的にタイミングエラーを加える操作(タイミングのランダム化)を施してから、オーバーラップ処理部9により前記と同様のオーバーラップ切り出しを行う。これは、毎回変化する同期誤差に対して、ロバスト性を確保するためである。
なお、実施例3においても、実施例1で説明した変形例イまたは変形例ロのように、学習部5を別コンポーネントとすることも可能である。
先の実施例1および2では、受信処理に係る等化部、復調部および誤り訂正部を、また、実施例3では、更に同期部も含めた全ての受信処理のプロセスを、一つのニューラルネットワーク3によって置き換えた構成である。しかし、この構成を採ると、所望の精度を得るにはニューラルネットワーク3の規模が巨大化し、実装が困難になる恐れがある。特に、誤り訂正符号化に関しては、極めて正確な精度を必要とする処理のため、ニューラルネットワークでは所望の精度が達成できない場合もある。
そこで、実施例4は、等化部による処理のみをニューラルネットワーク3で実現し、復調時における尤度計算処理および誤り訂正処理は、従来通りに実施する構成とする。
図9は、本発明に係る実施例4の受信機の構成を示す図である。実施例4は、先の実施例1の硬判定部4に替えて、尤度計算部11および誤り訂正部12を備える。
図9は、本発明に係る実施例4の受信機の構成を示す図である。実施例4は、先の実施例1の硬判定部4に替えて、尤度計算部11および誤り訂正部12を備える。
実施例4では、ニューラルネットワーク3が出力すべき信号は、誤り訂正符号化されたビット系列に対応する情報であることから、その長さはL×n/kである。すなわち、ニューラルネットワーク3の出力層ユニット数はこれに等しい。また、用いるアクティベーション関数は、先の各実施例と同様にシグモイド関数である。ニューラルネットワーク3からの出力については、図12に示す従来型の受信機の復調部および誤り訂正部が実行する処理と同様に、尤度計算部11で尤度を計算し、続いて誤り訂正部12で誤り訂正処理を実行する。
学習部5は、先の各実施例とは異なり、送信情報ではなく、符号化されたビット系列の方をトレーニングデータとして取得する。
誤り訂正部12は、図12に示す従来型の受信機について前述したとおり、一般に対数尤度比(LLR)を入力として受け付ける。そのために、尤度計算部11は、ニューラルネットワーク3の出力をLLRに変換する。このLLRの定義は、log(P1/P0)であり、シグモイド関数を用いた場合には出力が1である確率を表していることを考慮すれば、尤度計算部11は、log(yn/(1−yn))を計算すればよいことになる。ここで、ynは、出力層の第nユニットの出力値である。
誤り訂正部12は、図12に示す従来型の受信機について前述したとおり、一般に対数尤度比(LLR)を入力として受け付ける。そのために、尤度計算部11は、ニューラルネットワーク3の出力をLLRに変換する。このLLRの定義は、log(P1/P0)であり、シグモイド関数を用いた場合には出力が1である確率を表していることを考慮すれば、尤度計算部11は、log(yn/(1−yn))を計算すればよいことになる。ここで、ynは、出力層の第nユニットの出力値である。
なお、実施例4においても、実施例1で説明した変形例イまたは変形例ロのように、学習部5を別コンポーネントとすることも、また、実施例3のように、明示的な同期処理を不要とする構成と組み合わせることも、共に可能である。
1…ADC(アナログ−デジタルコンバータ)、2…同期部、
3…ニューラルネットワーク、4…硬判定部、5…学習部、
6…ネットワーク重み最適化部、7…NN(ニューラルネットワーク)重み記憶部、
8…重み切替部、9…オーバーラップ処理部、10…タイミングランダム化部、
11…尤度計算部、12…誤り訂正部
3…ニューラルネットワーク、4…硬判定部、5…学習部、
6…ネットワーク重み最適化部、7…NN(ニューラルネットワーク)重み記憶部、
8…重み切替部、9…オーバーラップ処理部、10…タイミングランダム化部、
11…尤度計算部、12…誤り訂正部
Claims (16)
- 送信された原情報を受信信号から受信情報として復調する受信機であって、
前記受信信号を、当該受信信号と送信された前記原情報との関係を学習した回帰モデルを使って前記受信情報に復調する
ことを特徴とする受信機。 - 請求項1に記載の受信機であって、
前記回帰モデルは、送信された前記原情報の1ブロックと、当該ブロックを構成するビット系列との対応を学習する
ことを特徴とする受信機。 - 請求項2に記載の受信機であって、
前記回帰モデルは、前記受信信号のブロック長Bに対して受信に伴うずれ分ΔBをオーバーラップさせたB+ΔBを入力信号とする
ことを特徴とする受信機。 - 請求項2または3に記載の受信機であって、
前記回帰モデルを使って復調する前記受信情報は、前記回帰モデルの出力を尤度計算した情報ブロックに対して誤り訂正符号化を実行して得られたビット系列である
ことを特徴とする受信機。 - 請求項1〜4のいずれか1項に記載の受信機であって、
前記回帰モデルで使用する重みを学習する学習部と、
教師データを受け取る入力端子と
を備えることを特徴とする受信機。 - 請求項1〜4のいずれか1項に記載の受信機であって、
前記回帰モデルで使用する重みを受け取る入力端子を備える
ことを特徴とする受信機。 - 請求項1〜6のいずれか1項に記載の受信機であって、
前記回帰モデルは、ニューラルネットワークである
ことを特徴とする受信機。 - 請求項7に記載の受信機であって、
前記ニューラルネットワークは、少なくとも1つのリカレントネットワーク層を含む
ことを特徴とする受信機。 - 請求項5〜8のいずれか1項に記載の受信機であって、
1以上の前記重みのセットを保持する記憶部と、
前記記憶部が保持する前記重みを、ユーザからの切替要求または当該受信機の受信状態に応じて切り替える重み切替部と
を備えることを特徴とする受信機。 - 送信された原情報を受信信号から受信情報として復調する受信方法であって、
前記受信信号を、当該受信信号と送信された原情報との関係を学習した回帰モデルを使って前記受信情報に復調する
ことを特徴とする受信方法。 - 請求項10に記載の受信方法であって、
前記回帰モデルは、送信された前記原情報の1ブロックと、当該ブロックを構成するビット系列との対応を学習する
ことを特徴とする受信方法。 - 請求項11に記載の受信方法であって、
前記回帰モデルは、前記受信信号のブロック長Bに対して受信に伴うずれ分ΔBをオーバーラップさせたB+ΔBを入力信号とする
ことを特徴とする受信方法。 - 請求項11または12に記載の受信方法であって、
前記回帰モデルの出力に対して尤度を計算し、当該尤度を計算した情報ブロックに対して誤り訂正符号化を実行して前記受信情報のビット系列とする
ことを特徴とする受信方法。 - 請求項10〜13のいずれか1項に記載の受信方法であって、
前記回帰モデルにおける学習に使用する1以上の重みのセットを保持し、
前記回帰モデルに対して、ユーザからの切替要求または当該受信方法で動作する受信機の受信状態に応じて前記重みを切り替える
ことを特徴とする受信方法。 - 請求項10〜14のいずれか1項に記載の受信方法であって、
前記回帰モデルは、ニューラルネットワークである
ことを特徴とする受信方法。 - 請求項15に記載の受信方法であって、
前記ニューラルネットワークは、少なくとも1つのリカレントネットワーク層を含む
ことを特徴とする受信方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017134417A JP2019016967A (ja) | 2017-07-10 | 2017-07-10 | 受信機および受信方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017134417A JP2019016967A (ja) | 2017-07-10 | 2017-07-10 | 受信機および受信方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2019016967A true JP2019016967A (ja) | 2019-01-31 |
Family
ID=65356989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017134417A Pending JP2019016967A (ja) | 2017-07-10 | 2017-07-10 | 受信機および受信方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2019016967A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020166005A1 (ja) * | 2019-02-14 | 2020-08-20 | 三菱電機株式会社 | 機械学習装置、信号諸元識別装置および機械学習方法 |
JP2020155825A (ja) * | 2019-03-18 | 2020-09-24 | 株式会社東芝 | 受信信号のOn−Offパターン決定装置および方法、ならびに受信信号の復調装置および方法 |
CN112383496A (zh) * | 2020-11-09 | 2021-02-19 | 西安科技大学 | 基于深度接收机的矿井通信方法、系统、计算机设备及介质 |
CN117558174A (zh) * | 2023-11-13 | 2024-02-13 | 山东卓朗检测股份有限公司 | 面向教学机器人训练的数据采集和分析方法 |
-
2017
- 2017-07-10 JP JP2017134417A patent/JP2019016967A/ja active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020166005A1 (ja) * | 2019-02-14 | 2020-08-20 | 三菱電機株式会社 | 機械学習装置、信号諸元識別装置および機械学習方法 |
JPWO2020166005A1 (ja) * | 2019-02-14 | 2021-06-03 | 三菱電機株式会社 | 機械学習装置、信号諸元識別装置、機械学習方法、制御回路および記憶媒体 |
JP2020155825A (ja) * | 2019-03-18 | 2020-09-24 | 株式会社東芝 | 受信信号のOn−Offパターン決定装置および方法、ならびに受信信号の復調装置および方法 |
JP7210341B2 (ja) | 2019-03-18 | 2023-01-23 | 株式会社東芝 | On-Offパターンを含む受信信号の復調装置および方法 |
CN112383496A (zh) * | 2020-11-09 | 2021-02-19 | 西安科技大学 | 基于深度接收机的矿井通信方法、系统、计算机设备及介质 |
CN117558174A (zh) * | 2023-11-13 | 2024-02-13 | 山东卓朗检测股份有限公司 | 面向教学机器人训练的数据采集和分析方法 |
CN117558174B (zh) * | 2023-11-13 | 2024-04-12 | 山东卓朗检测股份有限公司 | 面向教学机器人训练的数据采集和分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101075269B1 (ko) | 통신 시스템에서의 터보 간섭 억제 | |
US9800447B2 (en) | Multi-mode orthogonal frequency division multiplexing transmitter for highly-spectrally-efficient communications | |
JP4351762B2 (ja) | 無線情報伝送装置及び無線情報伝送方法 | |
RU2322762C1 (ru) | Итеративное оценивание и декодирование каналов и помех | |
JP2019016967A (ja) | 受信機および受信方法 | |
EP2536029B1 (en) | Communication device and corresponding method | |
US9088469B2 (en) | Multi-mode orthogonal frequency division multiplexing receiver for highly-spectrally-efficient communications | |
JP2010093711A (ja) | 受信装置、受信方法、プログラム、及び無線通信システム | |
JP2010278722A (ja) | 受信装置、受信方法、通信システムおよび通信方法 | |
KR20080095302A (ko) | Ldpc 코드를 이용하는 ofdm 시스템 수신기 | |
US20120219079A1 (en) | Receiving device, receiving method, communication system, and communication method | |
KR20160012968A (ko) | 다중 adc를 이용한 저 전력 장치 및 방법 | |
JP4376941B2 (ja) | 受信装置 | |
JP2010147946A (ja) | マルチキャリア無線通信システム及びマルチキャリア無線通信方法 | |
KR20140096559A (ko) | 무선 통신 시스템에서 주파수-직각 진폭 변조된 신호의 복호 매트릭 생성 방법 및 장치 | |
WO2013141074A1 (ja) | 受信装置、復号後尤度算出装置および受信方法 | |
JP5514873B2 (ja) | 無線チャネルのデータサブチャネルのチャネル係数を推定する装置及び方法 | |
JP5276711B2 (ja) | Mimo受信方法 | |
JP5700645B2 (ja) | 受信装置、受信方法および受信プログラム | |
JP5662955B2 (ja) | 受信装置、及び受信方法 | |
WO2011158727A1 (ja) | 無線通信装置、受信方法およびそのプログラム | |
JP5700644B2 (ja) | 無線通信システム、無線通信方法及び無線端末 | |
JP6587745B2 (ja) | 無線通信装置及び無線通信方法 | |
Maria et al. | Design of WLAN based system for fast protocol factory automation system | |
JP2013223177A (ja) | 受信装置、受信方法および受信プログラム |