文献

J-GLOBAL ID：202002284027109755   整理番号：20A2610522

無線分散ネットワークにおける機械学習を適用した送信レート選択手法

Rate Adaptation in Wireless Distributed Networks Using Machine Learning

著者 (4件)： 渡邊壮輝 (名古屋大) ,  岡田啓 (名古屋大 未来材料・システム研) ,  ベンナイラ シャドリア (名古屋大 未来材料・システム研) ,  片山正昭 (名古屋大 未来材料・システム研)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 120  号： 204(RCS2020 92-109)  ページ： 7-12 (WEB ONLY)  発行年： 2020年10月15日 
JST資料番号： U2030A  ISSN： 2432-6380  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： IEEE802.11無線LANを用いた分散ネットワークでは,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.スループットを最大化するためには,通信環境の変化に合わせた適切な送信レートを選択する必要がある.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,様々な要因により実環境におけるスループットの最大化は実現することが難しい.そこで本研究では,実験により収集されたRSSI等の通信品質情報やスループットをデータセットとした教師あり学習を行い,通信品質情報を入力とし,送信レートを出力とするモデルを作成する.提案手法としてGradient boosting regressorを使用したレート選択モデルを作成し,従来手法とスループットの比較実験を行った結果.一部従来手法を上回る結果を達成出来たことを報告する.(著者抄録)

シソーラス用語： IEEE規格 ,  無線LAN ,  ネットワーク ,  *伝送速度 ,  信号変調 ,  符号化 ,  *適応 ,  比較試験 ,  スループット ,  教師つき学習
準シソーラス用語： IEEE 802.11 ,  *レート適応 ,  適応変調符号化 ,  分散ネットワーク

分類 (2件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z)

引用文献 (13件)：

• 間瀬憲一,阪田史郎,“アドホック・メッシュネットワーク-ユビキタスネットワーク社会の実現に向けて-,” コロナ社,Sept. 2007.
• 間瀬憲一, “大規模災害時の通信確保を支援するアドホックネットワーク,” 信学会誌,vol.89,no.9,pp.796-800,Sept. 2006.
• “児童見守りシステム導入の手引書,” http://www.soumu.go.jp/main sosiki/joho tsusin/top/local-support/pdf/ict_service_kids.pdf,March 2014.
• ANSI/IEEE Std 802.11-1999, “Wireless LAN medium access control (MAC) and physical layer (PHY) specifications,” 1999.
• S. Khurana, A. Kahol, A.P. Jayasumana, “Effect of hidden terminals on the performance of IEEE 802.11 MAC protocol,” Proc. IEEE 23rd Annual Conf. Local Computer Networks, pp. 12-20, 1998-Oct.

タイトルに関連する用語 (3件)： 機械学習 ,  送信レート ,  手法