本論文では、共有スペクトルシステムにおけるスペクトル割当ての効率化を目的として、深層学習アプローチを提案している。
共有スペクトルシステムでは、ライセンス保有ユーザー(プライマリユーザー)の通信を妨害しない範囲で、非ライセンスユーザー(セカンダリユーザー)にスペクトルを割り当てる必要がある。このためには、プライマリユーザーの位置や送信電力などの情報、および伝搬損失関数を知る必要がある。しかし、実際の伝搬損失モデルは精度が低く、詳細な調査を行うのは現実的ではない。
そこで本論文では、監督学習手法を用いて、スペクトル割当て関数を直接学習することを提案する。特に、入力をイメージとして表現し、畳み込みニューラルネットワーク(CNN)を用いることで、効率的にスペクトル割当て関数を学習できることを示している。
具体的には、以下の2つの設定を考える:
PU-Settingでは、プライマリユーザーの位置や送信電力などの情報を入力とし、CNNを用いて割当て電力を予測する。SS-Settingでは、スペクトルセンサーの情報を入力とする。
さらに、深層CNNモデルを用いたDeepAlloc手法を提案し、過学習を防ぐための前学習手法や、多経路フェージングの影響を抑えるための手法、合成サンプルを用いた性能向上手法などを開発している。
また、複数のセカンダリユーザーに対する同時割当ての問題にも取り組み、ニューラルネットワークやRNNを用いた手法を提案している。
大規模シミュレーションと小規模実験の結果から、提案手法が従来手法に比べて最大60%の精度向上を達成できることを示している。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Mohammad Gha... at arxiv.org 04-08-2024
https://arxiv.org/pdf/2201.07762.pdfDeeper Inquiries