| 研究課題/領域番号 |
20K11764
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60060:情報ネットワーク関連
|
|---|
| 研究機関 | 茨城大学 |
|---|
研究代表者 |
王 瀟岩 茨城大学, 理工学研究科(工学野), 准教授 (10725667)
|
|---|
| 研究分担者 |
梅比良 正弘 茨城大学, 理工学研究科(工学野), 特命研究員 (00436239)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2020年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | 周波数活用 / wireless access / federated learning / reinforcement learning / In-network learning / radio resource |
|---|
| 研究開始時の研究の概要 |
Radio resource management (RRM) is the key enabler for full-featured 5G networks. In this research, we propose a layered in-networking learning RRM approach, and evaluate its performance via both simulations and experiments on testbeds.
|
| 研究成果の概要 |
5Gシステムはスモールセル構成が採用されており、周波数利用効率が大幅に向上できるが、セル間干渉問題が発生してしまう。この問題を解消するため、電波を特定の方向に絞り込む技術であるビームフォーミングが広く検討されている。マルチセルシステムには、グローバル最適なビームフォーミング制御は非常に困難になる。本研究では、静的および動的な下りリンクシナリオにおいて、ネットワーク全体のエネルギー効率の最大化を目標にし、深層強化学習を用いた低分解能アナログビームフォーマと送信電力制御手法を提案する。
|
| 研究成果の学術的意義や社会的意義 |
本研究では、無線リソースの最適化の実現に向け、深層強化学習を用いたアナログビームフォーマと送信電力制御について検討する。提案手法は従来手法と比べ、静的および動的なシナリオにおける、大幅なエネルギー効率改善が期待でき、周波数資源の有効利用に向けて重要な役割を持っていると考えられる。
|
