FER制限下での符号化MIMO-OFDMシステムにおける機械学習に基づいた適応符号化変調に関する検討

摘要

無線通信システムにおいてスループットを最大化するためには、適した符号化および変調方式(MCS) の選択が重要である。CQI（Channel Quality Information）として受信側における平均SNR を測定し、それを基にMCS を決定する手法が一般的であるが、一方で最適なMCS はチャネルの実現値に依存する。しかし実際の符号化変調方式およびMIMO 環境において最適なMCS を理論的に求めることは困難である。そこで近年、機械学習を用いたMCS 選択手法が注目されている[1,2]。また一般には、MCS はスループットを高めるだけでなく、フレーム誤り率(FER) に制約を設けることが再送回数低減や低遅延実現の観点から重要である。そこで本稿では、ターボ符号と畳み込み符号の連接により低FER を達成する符号を設計するとともに、FER 制約下でスループットの最適化をはかるニューラルネットワーク(NN) の実装を試み、またサポートベクターマシン(SVM) との比較を行った結果を報告する。