統計的多次元信号処理手法に基づく信号検出
大規模MIMO (Multi-Input Multi-Output)
Massive MIMO
大規模MIMOは，送受信機で多数のアンテナを用いて情報を空間的に多重し，大量の情報を伝送する5Gの中核技術です．さらにIoTデバイスの普及を背景に，大量の端末からのデータ集約を目的とした大規模マルチユーザMIMO の需要が高まっています.
しかしこの場合，多数のユーザ情報を受信機で同時に処理する必要があるため，従来の信号処理手法では実現不可能な処理演算量となってしまう問題があります．
Massive MIMO is a promising technology for Beyond 5G and 6G, which uses a large number of antennas at the transmitter and receiver to spatially multiplex information and transmit large amounts of information. Furthermore, with the spread of IoT devices, demands for large-scale multi-user MIMO become higher to gather data from plenty of terminals.
However, the massive MIMO channel requires the receiver to separate large amounts of data from multiple users simultaneously, which leads to an increase in the calculational cost that the conventional signal processing method cannot handle.
“More is different.” (量が増えると質が変わる)
扱う信号の多次元化は，本来，信号処理量の増加を招くものです．しかしその次元数が非常に大きくなると，面白いことに，処理量を大きく減らしつつ高い性能を達成する信号分離手法を構成することができます．
これらの手法は信念（確率）伝搬法 (BP; Belief Propagation) というクラスに属する一連のアルゴリズムを信号処理分野に応用したものであり，多数の質点の集団的な挙動を与える熱力学・統計力学の知見を基礎としています. BPに基づく信号処理にはデータ解析を目的とした人工知能分野で提案された手法との類似性も見出されています．このように，高度な無線信号処理の実現には，分野横断的な視点が必要不可欠です．本研究の目的は，より効率的な多次元信号処理の創出であり，その成果は本質的に同じ問題を扱う幅広い分野への貢献となります．
The increase in the dimensionality of the signals is inherently disadvantageous in terms of signal processing. However, as the number of dimensions tends to be very large, such multidimensionality can be conversely exploited to construct signal separation methods to achieve high performance with significantly reduced computational complexity.
Such methods stem from a series of algorithms belonging to the class of Belief Propagation (BP) and work based on the theoretical knowledge of thermodynamics and statistical mechanics. In addition, these methods show some similarities with the ones proposed in the field of machine learning for data analysis. That means our research needs a cross-cutting perspective, and our achievements in the context of wireless communication contribute to a broader range of fields dealing with essentially the same problem.
機械学習との融合 (理想と現実のずれのモデル化)
Fusion of statistical multidimensional signal processing and machine learning (Modeling the error occurring in the practical scenario)
こうした多次元信号処理を無線通信システムで利用するには，乗り越えるべき課題があります．それは，現実の無線環境が，統計力学やビッグデータ解析で与えられるような理想的な大規模モデルになっていないことです．送受信アンテナ数が精々数十から百というのは，前述の分野でいうと少なすぎますし，受信信号の観測相関性や量子化誤差など，無線特有の問題もあります．このようなモデル誤差は数理的なモデル化が難しく，これまで有効な手立ては多くはありませんでした．
しかし，近年の計算機性能の向上に伴う深層学習技術の発展に伴い，この隔たりを埋める解決の糸口が見出されつつあります．統計的多次元信号処理と機械学習の融合は新しい研究分野であり，現在のホットトピックです．
The practical use of such multidimensional signal processing in wireless communication systems poses a challenge to overcome. Unlike statistical mechanics and big data analysis, the practical wireless channel cannot be regarded as an ideal model. Compared to these fields, the number of dimensions in the wireless channel (i.e., the number of transmitting and receiving antennas, which is a few dozen to a hundred at best) is too small. There are also several problems unique to wireless communication, such as spatial correlation and quantization errors in the received signal. Such model errors are difficult to describe via mathematical models, and so far, very few effective ways to deal with them have been suggested.
However, thanks to the recent advances in deep learning techniques, solutions are being found to bridge this gap. The fusion of statistical multidimensional signal processing and machine learning is a frontier of our research and a current hot topic.
システムレベルシミュレーション (理論と応用の橋渡し)
System-level Simulation (Bridging Theory and Application)
また，前述の信号処理手法は，信号検出器の純粋な性能を評価するために行われるリンクレベルシミュレーションにおいては演算量と検出精度の良好なトレードオフを達成することが，様々な理論研究を通して明らかになっています. しかし，リンクレベルシミュレーションではいくつかの通信環境が理想化されており，これらの信号処理が実際の無線通信システム全体に対してどれだけ寄与できるかに関しては，別途評価が必要となります. ところが，こうした実用化の観点に基づく統計的多次元信号処理手法の評価は，十分に行われていないのが現状です.
そこで本研究室では，前述の信号検出器の使用を想定したシステムレベルシミュレーション（実際の無線通信システムを模したシミュレーション）を構築することにより，統計的信号処理の強みを十分に発揮するための無線通信システムの設計規範を提案するための研究を行っております.
Various theoretical studies have shown that these signal-processing methods can achieve a good trade-off between computational complexity and detection precision in link-level simulations. However, in link-level simulations, some of the conditions are idealized to assess the pure performance of signal detectors, and it is another issue to find out to what extent these signal detectors can help improve the whole wireless communication system, yet such performance evaluations have not been made sufficiently.
We try to design a system-level simulation (a simulation that mimics the whole wireless communication system) involving the statistical signal detectors to propose novel design norms for wireless communication systems that can fully exploit its advantages.