2020 Fiscal Year Research-status Report
携帯端末を活用した電波環境の多次元ビッグデータ解析による無線周波数資源の開拓
| Project/Area Number |
19K14988
|
|---|
| Research Institution | Tokyo University of Science |
|---|
Principal Investigator |
佐藤 光哉 東京理科大学, 工学部電気工学科, 助教 (60822533)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 無線通信 / 機械学習 / 電波伝搬 / センシング |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、電波環境情報に関するビッグデータを空間・周波数・時間の3軸で解析することで複雑な電波環境特性を精度良く推定する技術の確立である。今年度は、主として電波環境の時間軸での解析手法の設計に従事した。まず、送受信者間の障害物数が時間軸で変動するような環境を想定した、統計解析に基づく障害物台数推定法を検討した。車車間通信環境を対象とした計算機シミュレーションにより、提案手法を用いることで精度良く障害物の台数を推定できることを示した。本評価は車車間通信を想定したものであるが、障害物の電波伝搬特性への影響は他システムでも同様であり、広く活用できると考えられる。
また、発展課題として、取得した空間軸での電波環境情報を活用の上、近隣端末と協調しローカルネットワーク上で他周波数軸上の時間軸での電波環境特性を機械学習する手法を検討した。本手法では、複数の端末が単独学習とその結果の共有を繰り返す。これにより、端末単独では観測しきれない領域の情報も学習可能である。ここでは分散機械学習を、モデルパラメータ共有に要する通信時間と学習精度の間にトレードオフが存在する点に着目した通信時間最小化問題として定式化し、学習精度を保ちつつ実行時間を高速化する送信レート設計法を提案した。また、ダイナミック周波数共用における時間軸での電波環境推定問題である変調方式識別を対象として、提案手法の学習特性を評価した。評価結果より、クラウド連携型のビッグデータ解析に匹敵する精度を、近隣端末間の協調のみでも達成できることを明らかにした。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初予定していた時間軸の電波環境推定について、提案手法の効果を示すことできた。加えて、分散機械学習を活用することで効率よく電波環境情報を推定できることを明らかにしたため、おおむね順調に進展していると判断した。
|
| Strategy for Future Research Activity |
これまでの成果を踏まえ、推定した電波環境情報に基づく通信設計に関する検討に従事する予定である。2020年度に提案した分散機械学習のための通信設計法は、空間軸の電波環境情報を活用した手法である。一方、ここまでの研究では簡易な電波伝搬特性を仮定していた。実用に向けては改善の余地があるため、この点を踏まえた検討を進める。また、複数ユーザ混在環境における無線資源割当てへの応用検討も進める。例えば車両の遠隔操作における動画像ストリーミングのような通信要件の厳しいアプリケーションを想定した検討を通して、本研究課題で提案してきた電波環境推定手法の有効性を示したい。
これらの研究成果は、IEEE国際会議や国際学術論文誌へ投稿する予定である。無線通信を専門とする場はもちろんのこと、データサイエンスの通信応用を見据えた研究者が集まる場へ積極的に投稿することで、本研究の有効性や今後の発展性を幅広くアピールしたい。
|
| Causes of Carryover |
新型コロナウィルスの影響により、本研究課題に関する学会発表の全てがオンライン開催となった。これにより当初予定していた旅費の支出がなくなったため、次年度使用額が生じた。
|
