| 講演抄録／キーワード |
| 講演名 |
2024-11-12 09:15
［ポスター講演］ユースケース混在下でのAI/MLによる複数TRP・ビーム選択手法
○伊藤雅秋・菅野一生・新保宏之（KDDI総合研究所） |
| 抄録 |
（和） |
Beyond 5G/6G移動通信システムでは，ITU-R IMT-2030で示されたような新たなユースケースに対応して，増加し続けるデータトラヒックや端末を収容するための一つの手段として，広帯域を利用可能なミリ波帯の活用が考えられる．ただ，ミリ波はその伝搬特性から，遮蔽の影響による無線品質の劣化が発生しやすい．品質改善のために，複数の送受信点（TRP：transmission and reception point）を活用し，かつ各TRPにおいて端末に信号電力の高いビームを割り当てる手法がある．しかしこれまでの手法では，通信への要求品質に対して過剰な無線品質を有するビームを割り当てることで，リソースの利用効率が低下するという課題がある．課題の解決に向けては，各端末での通信への要求品質を満たす必要最低限の無線品質となるように，TRPやビームを選択することが必要になる．冒頭に述べたようなミリ波の実環境を想定すると，多数のビームや端末が存在し，さらに通信への要求品質や無線品質，端末の位置などが変化する．このような多数の要素をもとに，100 ms程度の短い周期でTRPやビームの選択の最適化について最適化問題として解くことは困難である．そこで筆者らは，前述したような多数の要素をもとに，AI/ML（artificial intelligence/machine learning）で最適化を図るTRP・ビーム選択手法の検討を進めている．本発表ではその手法を紹介する． |
| （英） |
In Beyond 5G/6G mobile communication systems, the utilization of the mmWave (millimeter-wave) band, which offers wide bandwidth availability, is one of the promising frequency bands to deal with the increasing data traffic and the number of UEs (user equipments) in response to new use cases outlined in ITU-R IMT-2030. However, due to the propagation characteristics of mmWave, radio quality is prone to be degraded by blockage. Methods are used that leverage multiple TRPs (transmission and reception points) and assign beams with high signal power to UEs by each TRP to improve radio quality. Nonetheless, these conventional methods have the issue of decreasing resource utilization efficiency due to assignment of beams with excessive radio quality compared to the required communication quality. To address this issue, it is necessary to select TRPs and beams in such a way that the minimum required radio quality is achieved to satisfy the required communication quality of each UE. Considering real mmWave environments as described at the beginning, there are numerous beams and UEs, with variations in required communication quality, radio quality, and UE positions. Solving the optimization problem of selecting TRPs and beams based on these numerous factors within short cycles of around 100 ms is challenging. Therefore, the authors are exploring TRP and beam selection methods optimized through AI/ML (artificial intelligence/machine learning) based on the aforementioned multiple factors. This presentation introduces the method. |
| キーワード |
（和） |
AI/ML / ビームフォーミング / マルチコネクティビティ / リソース利用効率 / / / / |
| （英） |
AI/ML / beamforming / multi-connectivity / resource efficiency / / / / |
| 文献情報 |
信学技報 |
| 資料番号 |
|
| 発行日 |
|
| ISSN |
|
| PDFダウンロード |
|
| 研究会情報 |
| 研究会 |
RISING |
| 開催期間 |
2024-11-11 - 2024-11-12 |
| 開催地（和） |
北海道立道民活動センター かでる2・7 |
| 開催地（英） |
Kaderu 2・7 (Sapporo) |
| テーマ（和） |
超知性通信ネットワークに関する研究，一般 |
| テーマ（英） |
Cross-Field Research Association of Super-Intelligent Networking |
| 講演論文情報の詳細 |
| 申込み研究会 |
RISING |
| 会議コード |
2024-11-RISING |
| 本文の言語 |
日本語 |
| タイトル（和） |
ユースケース混在下でのAI/MLによる複数TRP・ビーム選択手法 |
| サブタイトル（和） |
|
| タイトル（英） |
AI/ML-Based Multi-TRP/Beam Selection Method in Mixed Use Cases |
| サブタイトル（英） |
|
| キーワード(1)（和/英） |
AI/ML / AI/ML |
| キーワード(2)（和/英） |
ビームフォーミング / beamforming |
| キーワード(3)（和/英） |
マルチコネクティビティ / multi-connectivity |
| キーワード(4)（和/英） |
リソース利用効率 / resource efficiency |
| 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） |
伊藤 雅秋 / Masaaki Ito / イトウ マサアキ |
| 第1著者 所属（和/英） |
株式会社KDDI総合研究所 (略称： KDDI総合研究所)
KDDI Research, Inc. (略称： KDDI Research) |
| 第2著者 氏名（和/英/ヨミ） |
菅野 一生 / Issei Kanno / カンノ イッセイ |
| 第2著者 所属（和/英） |
株式会社KDDI総合研究所 (略称： KDDI総合研究所)
KDDI Research, Inc. (略称： KDDI Research) |
| 第3著者 氏名（和/英/ヨミ） |
新保 宏之 / Hiroyuki Shinbo / シンボ ヒロユキ |
| 第3著者 所属（和/英） |
株式会社KDDI総合研究所 (略称： KDDI総合研究所)
KDDI Research, Inc. (略称： KDDI Research) |
| 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： ) |
| 第19著者 氏名（和/英/ヨミ） |
/ / |
| 第19著者 所属（和/英） |
(略称： )
(略称： ) |
| 第20著者 氏名（和/英/ヨミ） |
/ / |
| 第20著者 所属（和/英） |
(略称： )
(略称： ) |
| 第21著者 氏名（和/英/ヨミ） |
/ / |
| 第21著者 所属（和/英） |
(略称： )
(略称： ) |
| 第22著者 氏名（和/英/ヨミ） |
/ / |
| 第22著者 所属（和/英） |
(略称： )
(略称： ) |
| 第23著者 氏名（和/英/ヨミ） |
/ / |
| 第23著者 所属（和/英） |
(略称： )
(略称： ) |
| 第24著者 氏名（和/英/ヨミ） |
/ / |
| 第24著者 所属（和/英） |
(略称： )
(略称： ) |
| 第25著者 氏名（和/英/ヨミ） |
/ / |
| 第25著者 所属（和/英） |
(略称： )
(略称： ) |
| 第26著者 氏名（和/英/ヨミ） |
/ / |
| 第26著者 所属（和/英） |
(略称： )
(略称： ) |
| 第27著者 氏名（和/英/ヨミ） |
/ / |
| 第27著者 所属（和/英） |
(略称： )
(略称： ) |
| 第28著者 氏名（和/英/ヨミ） |
/ / |
| 第28著者 所属（和/英） |
(略称： )
(略称： ) |
| 第29著者 氏名（和/英/ヨミ） |
/ / |
| 第29著者 所属（和/英） |
(略称： )
(略称： ) |
| 第30著者 氏名（和/英/ヨミ） |
/ / |
| 第30著者 所属（和/英） |
(略称： )
(略称： ) |
| 第31著者 氏名（和/英/ヨミ） |
/ / |
| 第31著者 所属（和/英） |
(略称： )
(略称： ) |
| 第32著者 氏名（和/英/ヨミ） |
/ / |
| 第32著者 所属（和/英） |
(略称： )
(略称： ) |
| 第33著者 氏名（和/英/ヨミ） |
/ / |
| 第33著者 所属（和/英） |
(略称： )
(略称： ) |
| 第34著者 氏名（和/英/ヨミ） |
/ / |
| 第34著者 所属（和/英） |
(略称： )
(略称： ) |
| 第35著者 氏名（和/英/ヨミ） |
/ / |
| 第35著者 所属（和/英） |
(略称： )
(略称： ) |
| 第36著者 氏名（和/英/ヨミ） |
/ / |
| 第36著者 所属（和/英） |
(略称： )
(略称： ) |
| 講演者 |
第1著者 |
| 発表日時 |
2024-11-12 09:15:00 |
| 発表時間 |
50分 |
| 申込先研究会 |
RISING |
| 資料番号 |
|
| 巻番号（vol） |
vol. |
| 号番号（no） |
|
| ページ範囲 |
|
| ページ数 |
|
| 発行日 |
|
|