AR モデルを用いたフェージング予測におけるRLS アルゴリズムのトレーニング期間に関する一検討

摘要

IoT の発展に伴い急増する上りトラフィックを収容するため，上り回線への非直交多元接続(uplink non-orthogonalmultiple access : UL-NOMA) に関する研究開発に取り組hでいる．電力差を利用するUL-NOMA においては，精度の高い送信電力制御(transmit power control : TPC)の利用が望ましい．しかし，移動通信では時々刻々と通信環境が変化するため，TPC のための通信路推定時における通信環境と送信時の通信環境が異なることがある．それ故，高精度なTPC の実現するためにはフェージング予測技術が必要であると考えられる．本研究では，フェージング予測のためにautoregressive (AR)モデルを採用し，その性能を検討している．AR 係数w の計算にはYule-Walker 方程式から直接計算するものとRLS (Recursive LeastSquares)アルゴリズムを使って逐次的に更新していくものがある．Yule-Walker 方程式を利用する場合，一回の計算でw が得られるが，最大ドップラー周波数fd，ライス仲上フェージングのK ファクタ(K)及び信号対雑音電力比(signal to noise power ratio : SNR)を要する．RLS を利用する場合，事前情報は不要であるがトレーニング期間を要する．本稿ではYule-Walker 方程式により計算したw を利用してRLS のトレーニング期間を短縮する方式を検討する．