| 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 | 2020-06-24 13:50 ACK/NAK情報のみを用いた機械学習に基づく適応送信レート制御法の一検討 ○遠藤拓海・樋口健一（東京理科大）  RCS2020-25 |
|
| 抄録 | （和） | 本稿では，適応変復調誤り訂正符号化に基づく送信機での適応送信レート制御について，ACK/NAK情報のみを用いた機械学習に基づく方法を検討する．LTE等での従来の適応送信レート制御では受信機からのチャネル状態情報（CQI: channel quality information）のフィードバックに基づいて送信機における送信伝送レートを決定していたが，今後の無線通信システムで端末数が増大するとCQIのフィードバックに要する無線リソースのオーバヘッドが無視できないものとなる．そのため，提案法では，高効率高品質通信のために必須技術となっているハイブリッド自動再送（HARQ: hybrid automatic repeat request）で用いられる受信パケットの復号が成功したか否かを示す1ビット情報であるACK/NAKフィードバックだけを用いて適応送信レート制御を行うことを考える．さらに，実際の環境では，受信信号対雑音比（SNR: signal-to-noise ratio）や端末の移動速度に依存したフェージングの最大ドップラ周波数等の変化に応じて適切な送信レートを選択するために，通信中にオンラインで送信レート制御アルゴリズムを通信環境に適応させる必要がある．これらの点を鑑み，再帰型ニューラルネット（RNN: recurrent neural network）の一種であるLSTM（long short-term memory）をベースとしてACK/NAKフィードバックに基づくオンライン学習の不完全性の問題を軽減するために確率的な送信レートのランダム選択ないしはACKの連続受信時の送信レート補正を適用した機械学習型の適応送信レート制御法を提案する．計算機シミュレーションにより，提案法は従来のCQIベースの方法と同等かそれ以上のスループット特性を実現しうることを示す． |
| （英） | This paper investigates an adaptive transmission rate control based on machine learning using only ACK/NAK feedback information. In the conventional approaches, the transmission rate is determined at the transmitter based on the feedback of channel quality information (CQI) from the receiver. However, as the number of terminal increases in the future radio access, the overhead of radio resource required for the CQI feedback may impact on the overall system performance. To address this issue, we consider an adaptive transmission rate control relaying only on the one-bit ACK/NAK feedback which is essentially used for hybrid automatic repeat request (HARQ) to indicating whether the received packet is correctly decoded or not. It should be noted that in the real system, the online adaptation of the transmission rate control for accommodating the changes of the channel conditions in time such as signal-to-noise ratio (SNR) and channel fading rate due to the mobility of the user terminal. Considering these issues, the proposed method is based on the long short-term memory (LSTM) which is categorized to the recurrent neural network (RNN) with additional use of probabilistic random transmission rate selection or transmission rate correction when successive ACK receptions are observed for reducing the negative effect of uncertainty in online learning based on ACK/NAK feedback. The computer simulation results show that the proposed method using only one-bit ACK/NAK feedback can achieve quite comparable throughput performance as in the conventional CQI-based method. | |
| キーワード | （和） | 適応レート制御 / 機械学習 / LSTM / ARQ / フィードバック情報 / オンライン制御 / / |
| （英） | Transmission rate control / machine learning / LSTM / ARQ / feedback information / online control / / | |
| 文献情報 | 信学技報, vol. 120, no. 74, RCS2020-25, pp. 13-18, 2020年6月. | |
| 資料番号 | RCS2020-25 | |
| 発行日 | 2020-06-17 (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 | RCS2020-25 |
|
| 研究会情報 | |
| 研究会 | RCS |
| 開催期間 | 2020-06-24 - 2020-06-26 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| 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 | 2020-06-RCS |
| 本文の言語 | 日本語 |
| タイトル（和） | ACK/NAK情報のみを用いた機械学習に基づく適応送信レート制御法の一検討 |
| サブタイトル（和） | |
| タイトル（英） | Investigation of Adaptive Transmission Rate Control Based on Machine Learning Using Only ACK/NAK Feedback |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 適応レート制御 / Transmission rate control |
| キーワード(2)（和/英） | 機械学習 / machine learning |
| キーワード(3)（和/英） | LSTM / LSTM |
| キーワード(4)（和/英） | ARQ / ARQ |
| キーワード(5)（和/英） | フィードバック情報 / feedback information |
| キーワード(6)（和/英） | オンライン制御 / online control |
| 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） | 遠藤 拓海 / Takumi Endo / エンドウ タクミ |
| 第1著者 所属（和/英） | 東京理科大学 (略称： 東京理科大) Tokyo University of Science (略称： Tokyo Univ. of Science) |
| 第2著者 氏名（和/英/ヨミ） | 樋口 健一 / Kenichi Higuchi / ヒグチ ケンイチ |
| 第2著者 所属（和/英） | 東京理科大学 (略称： 東京理科大) Tokyo University of Science (略称： Tokyo Univ. of Science) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 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 | 2020-06-24 13:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | RCS |
| 資料番号 | RCS2020-25 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.74 |
| ページ範囲 | pp.13-18 |
| ページ数 | 6 |
| 発行日 | 2020-06-17 (RCS) |
[研究会発表申込システムのトップページに戻る]