| 講演抄録／キーワード |
| 講演名 |
2021-10-28 10:30
［ポスター講演］長距離長遅延宇宙通信における機械学習を用いたクロスレイヤ最適化
○湯本貴裕（東京理科大）・大島浩嗣（NICT）・伊藤友輔・李 傲寒・長谷川幹雄（東京理科大） |
| 抄録 |
（和） |
長遅延や通信誤りが発生する宇宙通信において，end-to-end通信のスループットを向上させるには，下位層の物理層の最適化だけでなく，データリンク層やトランスポート層の上位層までを含めたクロスレイヤ最適化が必要であると考えられる．従来から，地上での通信を対象としてクロスレイヤ最適化を，機械学習を用いて行っている研究が行われている．本発表では地球と月中継衛星の通信を例として，長距離長遅延宇宙通信におけるスループット向上のために，機械学習を用いたクロスレイヤ最適化手法を提案する．提案手法はスループットと通信環境，パラメータの関係を表すモデルをSVRで推定し，モデルを用いたパラメータ探索においてはPSOを用いて，スループットを最大化するパラメータを選択する．実験ではネットワークエミュレータを用いて地球と月中継衛星間の通信をエミュレートし，提案手法を実装した．結果より，提案手法は従来手法である深層強化学習と比べてスループットを改善できることを示した． |
| （英） |
In order to improve the throughput of long-distance and long-delay communication in space, cross-layer optimization including not only lower layer (physical layer) optimization but also upper layer (data link layer and transport layer) is considered necessary. There has been researches on cross-layer optimization using machine learning for terrestrial communication. In this paper, we propose a cross-layer optimization method using machine learning to improve the throughput of the communication between the Earth and the lunar relay satellite. The proposed method uses SVR to estimate a model of the relationship between throughput, environment, and parameters, and uses PSO to select parameters that maximize throughput. In the experiment, the communication between the Earth and the lunar relay satellite was emulated using a network emulator, and the proposed method was implemented. The results show that the proposed method can improve the throughput compared with the conventional method, deep reinforcement learning. |
| キーワード |
（和） |
宇宙通信 / クロスレイヤ制御 / 機械学習 / コグニティブサイクル / 最適化 / / / |
| （英） |
Space communication / Cross layer control / Machine learning / Cognitive cycle / Optimization / / / |
| 文献情報 |
信学技報 |
| 資料番号 |
|
| 発行日 |
|
| ISSN |
|
| PDFダウンロード |
|