| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2019-06-19 15:35 無線メッシュネットワークにおける送信レート選択への機械学習の適用に関する一検討 ○渡邊壮輝・岡田 啓・小林健太郎・片山正昭（名大）  RCS2019-56 |
|
| 抄録 | （和） | IEEE 802.11無線LANを用いたメッシュネットワークでは，各ノードは，変調方式と符号化率の組み合わせにより定められた，複数の送信レートを利用することができる．そして，通信環境に合わせて送信レートを選択することで，スループットを最大化することができる．従来のアルゴリズムでは，Received Signal Strength Indication (RSSI)や通信成功率，確認応答フレームを参照することでスループットの最大化を目指している．しかし，RSSIとスループットが1対1対応しないことや，隠れ端末問題による不必要な送信レート制御，さらには，複数のアンテナが存在する場合，RSSIも複数取得できることなど，様々な要因によりスループットの最大化の実現は難しい．そこで本研究では，実験により収集されたRSSIと送信レートをデータセットとし，機械学習を利用することで，各ノードが最適な送信レートを選択することによるスループットの最大化を目的とする．作成したデータセットについてサポートベクトルマシン(SVM），ｋ近傍法(kNN)を用いて学習を行い，テストを行った結果，最大でスループットの最適値の83.2％の値を達成できたことを報告する． |
| （英） | In a mesh network using IEEE 802.11 wireless LAN, each node can use multiple transmission rates defined by the combination of modulation schemes and coding rates. By selecting the transmission rate according to the communication environment, the throughput can be maximized. The conventional algorithm aims at maximizing throughput by referring to Received Signal Strength Indicator (RSSI), a transmission success rate, and an acknowledgment frame. However, realizing maximum throughput is difficult because of various factors such as one-to-one correspondence between RSSI and throughput, unnecessary transmission rate control due to a hidden terminal problem, and the ability to acquire more than one RSSI, for multiple antennas. In this study, we treat the RSSI and transmission rate collected by experiment as a data set, and use machine learning to maximize throughput by selecting the optimal transmission rate for each node. Training is carried out by using support vector machine (SVM) and k-neighbor method (kNN) about the created data set. From a result of testing, it is reported that the value of 83.2％ of the optimum value of throughput can be obtained at the maximum. |
|
| キーワード | （和） | IEEE 802.11 / 機械学習 / 送信レート選択 / / / / / |
| （英） | IEEE 802.11 / machine learning / rate adaptation / / / / / | |
| 文献情報 | 信学技報, vol. 119, no. 90, RCS2019-56, pp. 113-117, 2019年6月. | |
| 資料番号 | RCS2019-56 | |
| 発行日 | 2019-06-12 (RCS) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | RCS2019-56 |
|
| 研究会情報 | |
| 研究会 | RCS |
| 開催期間 | 2019-06-19 - 2019-06-21 |
| 開催地（和） | 宮古島 平良港ターミナルビル |
| 開催地（英） | Miyakojima Hirara Port Terminal Building |
| テーマ（和） | 初めての研究会，リソース制御，スケジューリング，無線通信一般 |
| テーマ（英） | First Presentation in IEICE Technical Committee, Resource Control, Scheduling, Wireless Communications, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | RCS |
| 会議コード | 2019-06-RCS |
| 本文の言語 | 日本語 |
| タイトル（和） | 無線メッシュネットワークにおける送信レート選択への機械学習の適用に関する一検討 |
| サブタイトル（和） | |
| タイトル（英） | A Study on Application of Machine Learning to Transmission Rate Selection in Wireless Mesh Networks |
| サブタイトル（英） | |
| キーワード(1)（和/英） | IEEE 802.11 / IEEE 802.11 |
| キーワード(2)（和/英） | 機械学習 / machine learning |
| キーワード(3)（和/英） | 送信レート選択 / rate adaptation |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 渡邊 壮輝 / Soukiw Watanabe / ワタナベ ソウキ |
| 第1著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 岡田 啓 / Hiraku Okada / オカダ ヒラク |
| 第2著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 小林 健太郎 / Kentaro Kobayashi / コバヤシ ケンタロウ |
| 第3著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 片山 正昭 / Masaaki Katayama / カタヤマ マサアキ |
| 第4著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-06-19 15:35:00 |
| 発表時間 | 10分 |
| 申込先研究会 | RCS |
| 資料番号 | RCS2019-56 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.90 |
| ページ範囲 | pp.113-117 |
| ページ数 | 5 |
| 発行日 | 2019-06-12 (RCS) |
[研究会発表申込システムのトップページに戻る]