車両通信のための環境認識型チャネル予測：マルチモーダル視覚特徴融合フレームワーク

要旨: 6Gの定義的なビジョンである、通信とインテリジェンスおよびセンシングの深い統合により、環境を認識したチャネル予測は重要な実現技術となる。代表的な6Gアプリケーションである車両通信では、厳しい信頼性、低遅延、適応性の要求のもとで、正確かつ先を見通したチャネル予測が必要とされる。従来の経験的および決定論的モデルは、精度、汎化、実装可能性のバランスを取る点で依然として限界がある。一方で、車載および路側のセンシングデバイスの利用可能性が高まっていることは、環境に関する事前情報を得る有望な源泉を提供している。本論文では、マルチモーダルな視覚特徴融合に基づく、環境認識型チャネル予測フレームワークを提案する。GPSデータと車両側のパノラマRGB画像に加え、意味セグメンテーションおよび深度推定を用いることで、フレームワークは三分岐アーキテクチャにより意味、深度、および位置の特徴を抽出し、スクイズ・エクセレーションの注意ゲーティングモジュールによる適応的なマルチモーダル融合を実行する。360次元の角度パワースペクトル（APS）予測については、専用の回帰ヘッドおよび複合マルチ制約損失もさらに設計する。その結果、経路損失（PL）、遅延スプレッド（DS）、到来方位スプレッド（ASA）、出発方位スプレッド（ASD）、およびAPSの同時予測を実現する。同期された都市V2I計測データセットでの実験により、PLに対する最良の二乗平均平方根誤差（RMSE）は3.26 dB、DS, ASA, ASDに対するRMSEはそれぞれ37.66 ns、5.05度、5.08度、APSの平均/中央値のコサイン類似度は0.9342/0.9571であり、6G車両通信におけるインテリジェントなチャネル予測に対して、高い精度、汎化性能、そして実用上の可能性の高さを示している。