ニューラルネットワークに基づくQ学習を用いた無線リソース割り当て手法

摘要

モノのインターネット（IoT：Internet of Things）機器の増加に伴い，周波数資源の更なる逼迫が懸念されている．多数の無線ノードがランダムアクセスを用いて周波数を共用する環境で高信頼通信を実現するためには，ノード間で生じる干渉を低減もしくは回避する必要がある．例えば，衝突回避機能付きキャリアセンス多元接続（CSMA／CA：Carrier Sense Multiple Access／Collision Avoidance）をランダムアクセス方式として用いたときに，互いに送信を検知できない隠れノードが存在した場合，受信ノードにおいて送信パケットが衝突し，パケット損失が発生する可能性がある．本稿では，パケット衝突により引き起こされるパケット配信率（PDR：Packet Delivery Rate）の低減を回避するためにQ学習を用いることで多数の無線ノードに無線資源を割り当てるための検討を行う．検討システムでは，受信ノードが観測可能な受信成功パケット数をQ学習における報酬関数として強化学習を行うことにより，各無線ノードに無線リソースを割り当てる．お互いに隠れノード関係にあるような無線ノードには異なる無線リソースを割り当てることによりパケット衝突を回避し，PDRゐ向上を実現する．LoRaWANネットワークを仮定した環境において，計算機シミュレーションにより提案法を用いることでランダムに無線リソースを割り当てた場合と比較してPDRの10%値を22%改善できることを示す．