3A3-4 Actas de ISAP2016, Okinawa, Japn

Futuros 50 aos de investigacin

Mobile Radio Propagacin
Koshiro Kitao
5G Laboratorio, NTT DOCOMO, INC., 3-6 Hikarino -oka, Yokosuka-shi, Kanagawa 239-8536, Japn

Abstracto - Este artculo revisa los ltimos avances en la investigacin propagacin de caractersticas tales como la prdida de trayectoria, retardo, y el
radio mvil y presenta los puntos de vista mirando hacia el futuro. investigacin de la
ngulos de llegada / salida es una tarea importante.
propagacin de radio tiene una alta afinidad a la mquina de aprendizaje, tales como el
Adems, dado que el bloqueo de la seal debido a los seres humanos y los
aprendizaje profundo, ya que puede hacer frente a grandes cantidades de datos de medicin. El
aprendizaje profundo es til para el reconocimiento de imgenes y se puede aplicar a la objetos es problemtico en las bandas de frecuencia ms altas, estas caractersticas
modelizacin de materiales de construccin. Se necesita esta modelizacin logrado a travs del han sido investigados y se han propuesto modelos.
anlisis de la construccin de imgenes para simulaciones de propagacin de radio. Por lo
tanto, creemos que la aplicacin de aprendizaje profundo a la investigacin de propagacin de
Para compensar la prdida de trayectoria severa debido a las frecuencias ms
radio mvil va a surgir como un tema principal en el futuro.
altas, la utilizacin masiva MIMO formacin de haces que controla la direccin del haz
de antena de la estacin hacia una MS en movimiento es una tecnologa candidato
prometedor. Para evaluar esta tecnologa, se necesita un modelo de canal para la
Trminos del ndice - la propagacin de radio mvil, Radio
movilidad. Con esto en mente, se necesita un modelo de movilidad que considera la
simulacin de la propagacin, Radio modelo de propagacin, el aprendizaje profundo.
coherencia espacial de dispersores entre diferentes posiciones de MS.

1. Introduccin Por otra parte, MIMO multiusuario (MU-MIMO) ha atrado la atencin desde
MU-MIMO tiene afinidad con MIMO masiva. rendimiento MU-MIMO depende
Muchas tecnologas han sido estudiados para lograr aumentos de capacidad en los
en gran medida de la correlacin de las condiciones del canal, especialmente
sistemas de comunicaciones mviles que utilizan recursos de radio limitados. Por otra
la informacin angular entre diferentes MSs. Estas caractersticas tambin son
parte, las caractersticas de propagacin de radio mvil se han investigado
en relacin con la coherencia espacial.
activamente debido a que el rendimiento de los sistemas de comunicacin de radio
mvil depende de estas caractersticas altamente. Por ejemplo, las caractersticas del
Un modelo de propagacin de radio 5G teniendo en cuenta las
ngulo de salida / llegada de las ondas de radio en una estacin base (BS) / estacin
caractersticas antes mencionadas se investiga en las organizaciones de
mvil (MS) se han estudiado debido a que estas caractersticas afectan en gran
normalizacin y proyectos de investigacin como el 3GPP y el mvil y la
medida el rendimiento mltiple entrada mltiple salida (MIMO). Por otra parte, las
comunicacin inalmbrica permite a la Vigsima veinte Sociedad de la
bandas de frecuencia utilizadas para sistemas de comunicaciones mviles se han
Informacin (METIS) [1-3].
convertido en ms alta, ya que es relativamente fcil de adquirir mayor ancho de
banda para los sistemas en estas bandas superiores. Por lo tanto, el objetivo de
frecuencias para la investigacin de propagacin de radio mvil tienden a ser 3. Perspectivas de futuro

mayores. En aos recientes, utilizacin de los 6 a 100 bandas de frecuencia GHz es

Esta seccin describe las perspectivas futuras de radio
activamente bajo investigacin para los sistemas de quinta generacin de
la investigacin de propagacin.
comunicaciones mviles (5 g) [13]. Los objetivos de la investigacin de propagacin de
radio mvil han cambiado como sistemas de comunicaciones mviles han (1) Radio Future Propagacin Medicin y

evolucionado y estos cambios continuarn en el futuro. En este trabajo, visin general modelos

de los ltimos acontecimientos Para la medicin de la propagacin de radio en el futuro, tenemos en cuenta
la medicin utilizando mvil comercial
sistemas de comunicacin como se muestra en la Fig. 1. Ms especficamente,

en radio mvil prevemos la utilizacin de una base de datos de los datos de propagacin de

la investigacin propagacin y presentar nuestro punto de vista sobre las perspectivas de futuro.
radio medidos por SRS y SMS en entornos de comunicacin mviles
comerciales reales. En esta metodologa,
los datos de propagacin de radio asumidos son
informacin convencional tal como los ngulos de nivel, de retardo, y de salida /
2. ltimos avances en Radio Mvil Propagacin llegada recibidos. En sentido estricto, la BS y MS equipos deben ser calibrados
Investigacin
antes de la medicin para medir los datos de propagacin de radio con

Esta seccin describe los ltimos avances en la investigacin propagacin de radio precisin. Sin embargo, la calibracin de todos los equipos es difcil en un

mvil que principalmente se dirigen a 5G. entorno real. Creemos que las mediciones se llevarn a cabo hasta cierto punto

5G supone la utilizacin activa de los 6 a 100 bandas de frecuencia GHz; en el futuro. Por otra parte, SRS y SMS deben tener sistemas de antenas para

por lo tanto, aclarar la propagacin bsico medir los ngulos de salida / llegada.

Copyright 2016 por IEICE 560

 mediante el aprendizaje automtico y el sistema analiza automticamente los datos.
BS Finalmente, el sistema enva la funcin ptima para el modelo de propagacin de
radio. La cantidad de datos que se obtiene usando sistemas de comunicaciones
datos de propagacin de radio medido mviles comerciales es muy grande. El aprendizaje automtico es muy adecuado
utilizando BS y MS
nivel recibido para el anlisis de estas grandes cantidades de datos.
Retrasar

AOA / AOD

SRA
(2) Futuro Radio Propagacin Simulacin
En las simulaciones de propagacin de radio actual, a menudo utilizamos el mtodo de trazado de
parmetros del entorno de propagacin de modelo de propagacin de radio

radio Analizar relacin entre los datos medidos de propagacin de radio y los
rayos utilizando un modelo de edificio que est construido basndose en una base de datos cartogrfica
extraer parmetros de entorno de propagacin de radio utilizando la parmetros del entorno de propagacin de radio utilizando la mquina de

posicin de BS y MS, y base de datos de mapa aprendizaje

comercial. En el futuro, las simulaciones de propagacin de radio usando modelos detallados de
funcin ptima de salida automticamente para el modelo de

Densidad de edificios, edificio medio en altura propagacin de radio para cada entorno construccin pueden ser realizadas, como se muestra en la Fig. 2. En la situacin actual, es posible

construir un modelo estructural detallada de un edificio utilizando un equipo de medicin por lser tal
Futuro de investigacin modelo de propagacin de radio :
como el que en la parte superior derecha en la Fig. 2. se llaman Estos datos de punto de datos de la
Adquirir datos de propagacin de radio utilizando los servicios comerciales
+ aprendizaje automtico nube [5]. En la actualidad, la construccin de estructuras se modelan principalmente. Los materiales de
Principal tema de investigacin: El aprendizaje automtico para el anlisis de los datos de propagacin de radio
construccin tambin son importantes en la simulacin; Sin embargo, la configuracin manual de los

parmetros del material de construccin para cada edificio es mucho tiempo en la simulacin. Por lo

Fig. 1. Futuro medicin de propagacin de radio y modelo. tanto, se necesita un proceso automtico para realizar simulaciones a gran escala, como en una

simulacin a nivel de ciudad. modelizacin automtica de material podra realizarse en el futuro el uso

de la fuerza de lseres obtenidos a travs de la medicin de los datos de la nube de puntos y mediante
simulacin propagacin de radio
detallado de la estructura el anlisis de la imagen de los edificios, tales como se representa en la parte inferior izquierda en la Fig.
detallada
2. Mquina de aprendizaje, tales como el aprendizaje profundo es til para el anlisis de imgenes

anteriormente mencionado, ya que se utiliza en el rea de reconocimiento de imgenes. mtodos de

simulacin convencionales, tales como el trazado de rayos y la ptica fsica se pueden aplicar a las
modelado detallado de la estructura usando datos de nubes de
puntos basado en la medicin lser simulaciones en el futuro. Por lo tanto, el modelado detallado de los edificios se convertir en un tema

de investigacin principal en el futuro. aprendizaje automtico, como el aprendizaje profundo es til para

el anlisis de imgenes anteriormente mencionado, ya que se utiliza en el rea de reconocimiento de

imgenes. mtodos de simulacin convencionales, tales como el trazado de rayos y la ptica fsica se

pueden aplicar a las simulaciones en el futuro. Por lo tanto, el modelado detallado de los edificios se
Tx Rx convertir en un tema de investigacin principal en el futuro. aprendizaje automtico, como el
Modelizacin de material estructural mediante el Aplicar simulacin propagacin de radio a la
anlisis de imagen estructural estructura detallada aprendizaje profundo es til para el anlisis de imgenes anteriormente mencionado, ya que se utiliza

en el rea de reconocimiento de imgenes. mtodos de simulacin convencionales, tales como el trazado de rayos y la p
Futuro de la investigacin de simulacin de la propagacin de radio: Aplicar la propagacin de

simulacin de radio con el modelo de estructura detallada

Principal tema de investigacin: Modelado detallado de la estructura de modelado

4. Conclusin

Fig. 2. Las futuras simulaciones de propagacin de radio. Nos overviewed los ltimos avances de la investigacin propagacin de radio mvil y
presentamos nuestra visin de las perspectivas de futuro. investigacin de la propagacin

Realizacin de las mediciones en absoluto SRS y SMS es difcil; Sin embargo, de radio tiene una alta afinidad por la mquina de aprendizaje, tales como el aprendizaje

creemos que estas medidas sern posibles hasta cierto punto en el futuro. profundo ya que trata de grandes cantidades de datos de medicin. Por otra parte, el

Adems de las mediciones antes mencionadas, prevemos la utilizacin de los aprendizaje profundo es til en el reconocimiento de imgenes y se puede aplicar a la

datos de posicin de SRS y SMS en el anlisis de datos de propagacin radio. modelizacin de materiales de construccin, que se necesita en las simulaciones de

Especficamente, consideramos la extraccin y la utilizacin de los parmetros propagacin de radio. Por lo tanto, la aplicacin de la investigacin profunda de aprendizaje

del entorno de propagacin de radio de la zona alrededor de la BS y MS que de propagacin de radio mvil va a surgir como un tema principal en el futuro.

afectan a las caractersticas de propagacin de radio utilizando los datos de

posicin y una base de datos de mapa. parmetros del entorno de propagacin
de radio que aqu se consideran son la densidad y la altura media de los edificios
de todo el BS y MS.
referencias

[1] 3GPP RP-151606, Nueva Propuesta SID: Estudio sobre modelo de canal para el espectro de frecuencias
por encima de 6 GHz, 3GPP TSG RAN de la reunin # 69, Phoenix EE.UU., 14-16 de septiembre de 2015.
A continuacin, tenemos en cuenta los futuros modelos de propagacin de radio que
[2] METIS entregable D1.4 : Modelos METIS del Canal, De febrero de 2015.
utilizan los datos de propagacin de radio antes mencionados. La mayora de los estudios
actuales analizan principalmente la relacin entre los datos de medicin y los parmetros de (Https://www.metis2020.com/). [3] Libro Blanco en el Modelo de Canales 5G para bandas de
hasta 100 GHz Ver
entorno para los modelos de propagacin de radio. Al estudiar los modelos de propagacin
2.0, marzo de 2.016 . ( http://www.5gworkshops.com/5GCM.html). [4] GE Hilton, S. Osindero, y Y.
de radio en el futuro, aprovechando el aprendizaje de mquina, tales como el aprendizaje
Teh un algoritmo de aprendizaje rpido para redes de creencias profundo, Neural Computation, 18,
profundo puede ser considerado [4]. Como se muestra en la Fig. 1, los datos de pp. 1527-1544, 2006. [5]
propagacin de radio y los parmetros del entorno de propagacin de radio medidos K. Haneda, Modelos de canal y formacin de haz en las bandas de frecuencias de ondas
milimtricas, IEICE Trans. Commun., Vol. E89-B no. 5, pp. 755-772, Mayo de 2015.

utilizando comercial mvil

sistemas de comunicacin se introducen en un sistema de anlisis

561