AIBR プレミアム
拓海先生、最近部署で「フルデュプレックスで帯域を倍にできる」と聞いたのですが、現場で実現可能なのか不安でして。
素晴らしい着眼点ですね！ In-Band Full Duplex (IBFD) インバンドフルデュプレックスは理屈上は帯域効率を大きく上げられるんですよ。
ただ現場では自分の送信が自分の受信を邪魔するという話を聞きまして、それをどうやって消すんですか。
それがSelf-Interference (SI) 自己干渉の問題です。今回の論文はこのSIを深層学習、つまりDeep Neural Network (DNN) 深層ニューラルネットワークでモデル化して、デジタルで取り除く提案をしていますよ。
要するに、自分たちの送信信号を先に学習させておいて、その分を受信から差し引くということですか？
その通りです！良い核心を突く質問ですね。ポイントは三つで、まず同期したデータを集めること、次にDNNで非線形な変形を学習すること、最後に実機上でリアルタイムに差し引くことです。
同期したデータを集めるというのは現場で面倒ではないですか。投資対効果の観点でコストがかかるなら避けたいのですが。
大丈夫、拓海の経験から言うと現場負担は設計次第で抑えられますよ。要点を三つに整理すると、1) 初期のデータ収集は数分から数十分で済む場合が多い、2) 一度学習モデルを作れば複数環境で使える伸びしろがある、3) ハードウェアと組み合わせた追加対策でさらに効果が出るんです。
これって要するに、最初に少し投資して学習モデルを作れば、その後は現場の運用コストを下げつつ通信効率を上げられるということですか？
その認識で正しいですよ。加えて実証はソフトウェア無線(SDR) Software Defined Radio の実機で行われ、理論だけでなく現実で動くことを示しています。大丈夫、一緒にやれば必ずできますよ。
分かりました。自分の言葉で言い直すと、まず学習に必要なデータを集めてモデルを作り、それを使って自分の送信が受信を邪魔する分を引くことで通信を回復する、という点を押さえればよいですね。
