Self-optimization of Resource Allocation for sixth-generation mobile communication system
| Project/Area Number |
20K04466
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 21020:Communication and network engineering-related
|
|---|
| Research Institution | Kagawa University |
|---|
Principal Investigator |
三木 信彦 香川大学, 創造工学部, 教授 (90709247)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000)
Fiscal Year 2022: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2021: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2020: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
|
|---|
| Keywords | 機械学習 / 無線リソース制御 / 凸最適化 / 6G / 自動最適化 / 無線リソース割り当て |
|---|
| Outline of Research at the Start |
第六世代移動通信(6G)では，更なる高速・大容量化に加え，自動車やドローンといった様々なモノを接続する基盤技術に進化した5Gを更に拡張する必要がある．この実現には，端末の種類・数の大幅な増大，高速・大容量化のための基地局数の増加，周波数の広帯域化が必須である．
従って，周波数・基地局・端末の最適な組み合わせをネットワーク全体で最適化する必要があり，これは5Gよりも更に困難となる．
そこで本研究では，この最適化を端末・基地局の測定結果に基づいて自動的に最適化するアルゴリズムを凸最適化，機械学習等を用いて確立する．
|
| Outline of Annual Research Achievements |
本年度は，プロポーショナルフェアネス(PF: Proportional Fairness)規範という共通の規範を用いることで凸最適化・機械学習を併用するアルゴリズムの更なる改善を行なった．
(1)更なる精度の機械学習の精度改善のため前処理による検討を行い，前年度よりもさらに正確な学習結果を得ることができることを示した．
(2)実運用を行いつつ学習を行う場合に課題となる，学習過程での特性劣化を解決する方法を検討した．具体的には，学習過程では複数基地局・複数周波数と接続する構成で評価を行ない，スケジューリングで特性劣化を補償する方法を適用することで，学習過程の課題を解決しつつ，(1)で示した特性と同等の特性を取得可能であることを示した．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
概要で述べたとおり，アルゴリズムの精度・課題の解決に昨年度は検討を重点的に行なった．効果を定量的に確認するために，より詳細な評価を行う必要があるため，"やや遅れている"とした．
|
| Strategy for Future Research Activity |
効果の定量的な評価を行うため，様々条件の評価を継続して行い，アルゴリズムの精度をより高めていく.
|
Report
(3 results)
Research Products
(5 results)
