特許ウォッチ

公開番号2025036916
公報種別公開特許公報(A)
公開日2025-03-17
出願番号2023143574
出願日2023-09-05
発明の名称予測装置、学習装置、予測方法、学習方法、およびプログラム
出願人学校法人金沢工業大学,住友電気工業株式会社
代理人個人
主分類G06N 3/04 20230101AFI20250310BHJP(計算;計数)
要約【課題】増幅システムの特性をより高精度に模擬できる技術を提供する。
【解決手段】予測装置20において、取得部22は、増幅器を有する増幅システムの入力信号に関連する時系列の入力データと、当該入力信号の振幅に関連する時系列の値を平滑化した平滑化データと、を取得する。ニューラルネットワーク28は、学習済みの内部パラメータを用いて、取得された入力データと平滑化データに基づいて増幅システムの出力信号を予測する。
【選択図】図2
特許請求の範囲【請求項１】
増幅器を有する増幅システムの入力信号に関連する時系列の入力データと、当該入力信号の振幅に関連する時系列の値を平滑化した平滑化データと、を取得する取得部と、
学習済みの内部パラメータを用いて、取得された前記入力データと前記平滑化データに基づいて前記増幅システムの出力信号を予測するニューラルネットワークと、
を備えることを特徴とする予測装置。
続きを表示（約 1,500 文字）【請求項２】
入力信号に関連する時系列の入力データと、当該入力信号の振幅に関連する時系列の値を平滑化した平滑化データと、を取得する取得部と、
学習済みの内部パラメータを用いて、取得された前記入力データと前記平滑化データに基づいて、増幅器を有する増幅システムの非線形特性とは逆特性の非線形歪が付与された信号を予測するニューラルネットワークと、
を備えることを特徴とする予測装置。
【請求項３】
前記取得部は、前記増幅器の周辺の環境温度をさらに取得し、
前記ニューラルネットワークは、取得された前記環境温度にさらに基づいて予測を実行する、
ことを特徴とする請求項１または２に記載の予測装置。
【請求項４】
前記平滑化データは、前記振幅に関連する時系列の値にローパスフィルタを適用することにより生成される、
ことを特徴とする請求項１または２に記載の予測装置。
【請求項５】
前記取得部は、別の平滑化データをさらに取得し、
前記別の平滑化データは、前記振幅に関連する時系列の値に、前記ローパスフィルタとは異なる特性の別のローパスフィルタを適用することにより生成され、
前記ニューラルネットワークは、取得された前記別の平滑化データにさらに基づいて予測を実行する、
ことを特徴とする請求項４に記載の予測装置。
【請求項６】
前記内部パラメータは、前記増幅システムの学習用入力信号に関連する時系列の学習用入力データと、当該学習用入力信号の振幅に関連する時系列の値を平滑化した学習用平滑化データとを入力とし、当該学習用入力信号が入力されたときの前記増幅システムの出力信号を正解として、学習されている、
ことを特徴とする請求項１に記載の予測装置。
【請求項７】
前記内部パラメータは、学習用入力信号が入力されたときの前記増幅システムの出力信号に関連する時系列の学習用出力データと、当該出力信号の振幅に関連する時系列の値を平滑化した学習用平滑化データとを入力とし、当該学習用入力信号を正解として、学習されている、
ことを特徴とする請求項２に記載の予測装置。
【請求項８】
増幅器を有する増幅システムの入力信号に関連する時系列の入力データと、当該入力信号の振幅に関連する時系列の値を平滑化した平滑化データと、当該入力信号が入力されたときの当該増幅システムの出力信号と、を取得する取得部と、
前記入力データと、前記平滑化データとを入力とし、前記出力信号を正解として、ニューラルネットワークの内部パラメータを学習する学習部と、
を備えることを特徴とする学習装置。
【請求項９】
増幅器を有する増幅システムの入力信号と、当該入力信号が入力されたときの当該増幅システムの出力信号に関連する時系列の出力データと、当該出力信号の振幅に関連する時系列の値を平滑化した平滑化データと、を取得する取得部と、
前記出力データと、前記平滑化データとを入力とし、前記入力信号を正解として、ニューラルネットワークの内部パラメータを学習する学習部と、
を備えることを特徴とする学習装置。
【請求項１０】
前記取得部は、前記増幅器の周辺の環境温度をさらに取得し、
前記学習部は、前記環境温度も入力として前記内部パラメータを学習する、
ことを特徴とする請求項８または９に記載の学習装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示は、ニューラルネットワークを用いて信号を予測する技術、および、学習技術に関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
無線通信システムにおいて、無線周波数帯の電力増幅器の線形性を高めることが望まれている。そのために、増幅器の物理的な性能向上、および、信号処理による歪補償の両面から技術開発が進められている。これらの技術開発において、増幅器の順特性や逆特性を高精度に模擬する模擬システムの実現が大きく役立つ。このような模擬システムとして、ニューラルネットワークを用いた構成が提案されている。例えば、非特許文献１は、増幅器の周辺温度を考慮してニューラルネットワークを学習する技術を開示する。
【先行技術文献】
【非特許文献】
【０００３】
A. Motaqi, M. Helaoui, N. Boulejfen, W. Chen and F. M. Ghannouchi, “Artificial Intelligence-Based Power-Temperature Inclusive Digital Predistortion,” in IEEE Transactions on Industrial Electronics, vol. 69, no. 12, pp. 13872-13880, Dec. 2022.
【発明の概要】
【発明が解決しようとする課題】
【０００４】
非特許文献１の技術では、増幅器の温度特性の変化に対応するため、周辺温度の違いと利用条件毎に規定される入力信号の平均電力とを考慮して模擬システムの内部パラメータを学習し、信号予測のための模擬システムを構築する点に特徴がある。しかしながら、入力信号のレベルが時間経過とともに動的に変化する場合の増幅器の過渡的な特性変化を精度よく模擬することは困難である。
【０００５】
本開示はこうした課題に鑑みてなされたものであり、その例示的な目的の一つは、増幅システムの特性をより高精度に模擬できる技術を提供することにある。
【課題を解決するための手段】
【０００６】
上記課題を解決するために、本開示のある態様の予測装置は、増幅器を有する増幅システムの入力信号に関連する時系列の入力データと、当該入力信号の振幅に関連する時系列の値を平滑化した平滑化データと、を取得する取得部と、学習済みの内部パラメータを用いて、取得された入力データと平滑化データに基づいて増幅システムの出力信号を予測するニューラルネットワークと、を備える。
【０００７】
本開示の別の態様もまた、予測装置である。この装置は、入力信号に関連する時系列の入力データと、当該入力信号の振幅に関連する時系列の値を平滑化した平滑化データと、を取得する取得部と、学習済みの内部パラメータを用いて、取得された入力データと平滑化データに基づいて、増幅器を有する増幅システムの非線形特性とは逆特性の非線形歪が付与された信号を予測するニューラルネットワークと、を備える。
【０００８】
本開示のさらに別の態様は、学習装置である。この装置は、増幅器を有する増幅システムの入力信号に関連する時系列の入力データと、当該入力信号の振幅に関連する時系列の値を平滑化した平滑化データと、当該入力信号が入力されたときの当該増幅システムの出力信号と、を取得する取得部と、入力データと、平滑化データとを入力とし、出力信号を正解として、ニューラルネットワークの内部パラメータを学習する学習部と、を備える。
【０００９】
本開示のさらに別の態様もまた、学習装置である。この装置は、増幅器を有する増幅システムの入力信号と、当該入力信号が入力されたときの当該増幅システムの出力信号に関連する時系列の出力データと、当該出力信号の振幅に関連する時系列の値を平滑化した平滑化データと、を取得する取得部と、出力データと、平滑化データとを入力とし、入力信号を正解として、ニューラルネットワークの内部パラメータを学習する学習部と、を備える。
【００１０】
本開示のさらに別の態様は、予測方法である。この方法は、増幅器を有する増幅システムの入力信号に関連する時系列の入力データと、当該入力信号の振幅に関連する時系列の値を平滑化した平滑化データと、を取得するステップと、ニューラルネットワークを用いて、取得された入力データと平滑化データに基づいて増幅システムの出力信号を予測するステップと、を備える。
（【００１１】以降は省略されています）

関連特許