2022 Fiscal Year Annual Research Report
A study on applications of artificial intelligence techniques to control systems for mobile communications
| Project/Area Number |
18H01437
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
府川 和彦 東京工業大学, 工学院, 教授 (00323775)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
張 裕淵 東京工業大学, 工学院, 助教 (00725616)
|
|---|
| Project Period (FY) |
2018-04-01 – 2023-03-31
|
| Keywords | 次世代移動通信 / へトロジーニアス・ネットワーク / 干渉抑圧技術 / 機械学習 / CNN / 自律分散制御 |
|---|
| Outline of Annual Research Achievements |
当該年度では，MIMO (Multiple-Input Multiple-Output) 小セルネットワークにおけるICI(Inter-Cell Interference) 抑圧のため，教師なし学習に基づくCNN (Convolutional Neural Network) を用いて，BS (Base Station) の送信電力及び送信BF (Beam-Forming) を制御する手法を提案した．さらに計算機シミュレーションを行い，この提案手法の特性を明らかにした．
具体的に述べると，MRC (Maximum Ratio Combining) 基準の線形受信のシステム容量について，提案手法はランダム制御手法より中央値で約2.1倍改善し，準最適手法である ES (Exhaustive Search) の約 91% の性能を達成できることを示した．また，MMSE (Minimum Mean Square Error) 基準の線形受信のシステム容量についても，提案手法はランダム制御手法より中央値で約1.2倍改善し，準最適手法のESの約98%の性能を達成できることを明らかにした．
拡張して自律分散制御を行う場合についても，利己的戦略及び利他的戦略はランダム制御よりもシステム容量を改善できることを示した．またMRC基準のシステム容量について，利己的戦略の場合で中央値が約1.6倍改善し，利他的戦略が約1.8倍改善した．MMSE基準のシステム容量についても，利己的戦略の場合で中央値が約1.3倍改善し，利他的戦略で約1.4倍の改善が見られた．さらに，オンラインのCNNがESと比較して計算量を大幅に削減でき，従来技術のWMMSE (Weighted MMSE) と比較してMRCで1/4以下，MMSEで約1/7の実行時間であることも明らかにした．
|
| Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|
