- 著者
-
井上 一也
今泉 圭太
市毛 弘一
長尾 竜也
林 高弘
- 出版者
- The Institute of Electronics, Information and Communication Engineers
- 雑誌
- 電子情報通信学会論文誌 B (ISSN:13444697)
- 巻号頁・発行日
- vol.J105-B, no.11, pp.872-879, 2022-11-01
携帯電話に代表される移動体通信や室内無線通信の発展により,複雑化した電波伝搬環境を推定する技術の重要性が高まっている.移動通信システムにおける通信環境はマルチパス環境であり,さまざまな環境下における伝搬損失特性を推定できる電波伝搬モデルが不可欠である.著者らは以前に,空間画像データ及び数値パラメータを入力データとして,機械学習に基づく伝搬損失推定手法を提案した.この手法では,入力データには数値パラメータと画像データを使用していた.東京中心部で測定されたデータによって構成されたデータセットによるシミュレーションでは,全結合ニューラルネットワーク(FNN)と畳み込みニューラルネットワーク(CNN)を組み合わせたモデルにより,FNNのみを用いたモデルよりも高い精度で伝搬損失を予測できることを確認した.本論文では,入力データを適切に選択し,CNN・FNNモデル構造の再検討を行うことにより,高精度な伝搬損失推定を目的とする.また,AP研伝搬データベースのデータセットを使用して,提案手法の有効性を検証する.