多カーネル適応フィルタ：無線通信システムへの応用
多カーネル適応フィルタの研究は、幸運にも、Fraunhofer HHI研究所との共同研究に発展し、無線通信への応用において、著しい有用性が実証されました。
多カーネル適応フィルタを5GNOMA無線通信システムの多ユーザ検出問題に応用し、「非線形ビームフォーミング技術」を提案しました。線形ビームフォーミング技術は、収容できるユーザ数の上界がアンテナ本数で決まりますが、非線形手法を使うことで、この限界を破ることができます。しかし、カーネル適応フィルタに基づく非線形ビームフォーミング技術は、送信局の移動などによる受信電力の変化に対応できないことがボトルネックになっていました。本研究では、線形カーネルとガウスカーネルを併用した部分線形モデルによってこの問題を解消し、ロバストな多ユーザ検出法を構築することに成功しました。
[原著論文] Daniyal Amir Awan, Renato L.G. Cavalcante, Masahiro Yukawa, and Slawomir Stanczak, ``Robust Online Multiuser Detection: A Hybrid Model-Data Driven Approach,'' IEEE Trans. Signal Processing, vol.71, pp.2103--2117, 2023.
本成果は、未来の無線通信のための機械学習技術をまとめた研究書にも掲載されています。
Daniyal Amir Awan, Renato Luis Garrido Cavalcante, Masahiro Yukawa, and Slawomir Stanczak, "Adaptive Learning for Symbol Detection: A Reproducing Kernel Hilbert Space Approach," in Machine Learning for Future Wireless Communications, Chapter 11, Editor: Fa-Long Luo, pp.197--211, Wiley, 2020.
解説：招待講演論文（日本語）
湯川正裕、多カーネル適応フィルタが拓く無線通信技術の未来：部分線形フィルタによる多ユーザ通信用ロバストシンボル検出法、電子情報通信学会・短距離無線通信研究会, SRW2022-15, pp. 33-38, 2022（招待講演）.
当該成果は、Nvidia社にも注目され、同社GPUによって実装されました。
A. Keller
and N. Binder, “Machine learning on the edge for 5G,” Proc. GPU Technology Conf. (2020), https://developer.nvidia.com/gtc/2020/video/s22144
（無料登録することでアクセスできました（2025.10.29））
並列射影を用いているため、GPUのコア数を増やすことで実行時間が飛躍的に短縮されることが実証されています（縦軸は対数スケールです！）。
そして、Fraunhofer研究所内のハードウェアチームと共同で実装され、あっという間に実機のデモが出来上がっていて、ベルリンを訪問した際に見せていただきました。写真はその時に撮影したもので、許可を得て掲載させていただきました。2022年に出版された論文に、その詳細が記されていました。
M. Mehlhose, G. Marcus, D. Schaeufele, D. A.
Awan, N. Binder, M. Kasparick, R. L. G. Cavalcante,
S. Stanczak and A. Keller, “GPU-accelerated
partially linear multiuser detection for 5G and beyond
URLLC systems,” IEEE Access, 10, 70937–70946 (2022).
関連記事
Top Researchers 時間変化する複雑な現象を読み解くための数学理論を構築する～湯川 正裕・慶應義塾大学 理工学部 電気情報工学科 教授河合塾 みらいぶっく, 信号処理 激増する通信量・流動的な通信環境に対応できる通信技術に数学で挑む
研究プロジェクト
1. 無線通信への応用：ロバスト角度パワースペクトル推定法
[国際共著] Naoto Kaneko and Masahiro Yukawa, Renato L. G. Cavalcante, and Lorenzo Miretti, ``Robust Estimation of Angular Power Spectrum in Massive MIMO Under Covariance Estimation Errors: Learning Centers and Scales of Gaussians,'' in Proceedings of IEEE SPAWC, pp.576--580, Lucca: Italy, September 2024.
2. 無線通信への応用：異種カーネルを用いたロバストオンライン他ユーザ検出法（線形カーネルとガウスカーネル）
Daniyal Amir Awan, Renato L.G. Cavalcante, Masahiro Yukawa, and Slawomir Stanczak, ``Robust Online Multiuser Detection: A Hybrid Model-Data Driven Approach,'' IEEE Trans. Signal Processing, vol.71, pp.2103--2117, 2023.