Researches on Model-aided Learning Approaches for Reliable Realtime Control in Future Wireless Systems

点击翻译按钮获取中文摘要

本研究は、次世代無線通信システムとそのアプリケーションを実現するために、無線システムの知的制御と資源割当、および通信・計算・記憶・制御機能の遍在化の課題について取り組むものである。2021年度では、以下の研究項目を実施した。１）無線資源割当：無線通信における制御最適化の課題を解決する効果的な学習方法を検討した。深層強化学習を用いて、ミリ波とギガヘルツ帯域を統合的に利用する次世代無線ネットワークにおいて、利用者のサービス品質を保証しながら、エネルギー消費も抑えられるように、複数のアクセスポイントとの接続を選択する最適化問題を解決した。また、ショートパケットを大量に送信するIoTアプリケーションにおいて、深層学習により無線環境の変動と利用者の品質要求に対応して、異なる無線帯域間の利用者分配と資源割当問題の解決方法を提案した。２）ネットワーク資源のオーケストレーション：SDNなどのネットワークワイドな制御方法について、機械学習を利用したトラフィック予測技術を取り入れたトラフィックエンジニアリング手法を検討し、トラフィック需要に対する予測により、トラフィックの変動による経路変更の回数を大幅に減らし、実トラフィックデータを用いてその有効性を検証した。３）タスクのオフローディングとスケジューリング：ユーザ、エッジ、クラウドなどのノード間の処理、記憶機能の連携と、タスク間の相互関係を意識したタスクのオフローティングとスケジューリングの方法を検討した。また、実時間制御で有効な性能指標である情報の鮮度について考慮し、深層強化学習を利用したモバイルユーザの行動の最適化方法を開発した。４）通信処理とキャッシングの高速化：基地局の負荷低減の方法として、個々のモバイル端末をキャッシュサーバと見なした分散協調キャッシュ方式において、基地局の混雑状況に応じて柔軟にキャッシュ制御を行う方法を検討した。