| 著者 |
渡邊壮輝，岡田啓，小林健太郎，片山正昭 |
| 題目 |
無線メッシュネットワークにおける 送信レート選択への機械学習の適用に関する一検討 |
| 出典 |
電子情報通信学会技術研究報告, RCS2019-56, pp.113-117 |
| 要約 |
IEEE 802.11無線LANを用いたメッシュネットワークでは，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．そして，通信環境に合わせて送信レートを選択することで，スループットを最大化することができる．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，様々な要因によりスループットの最大化の実現は難しい．そこで本研究では，実験により収集されたRSSIと送信レートをデータセットとし，機械学習を利用することで，各ノードが最適な送信レートを選択することによるスループットの最大化を目的とする．作成したデータセットについてサポートベクトルマシン(SVM），ｋ近傍法(kNN)を用いて学習を行い，テストを行った結果，最大でスループットの最適値の83.2％の値を達成できたことを報告する． |
| Authors |
S. Watanabe, H. Okada, K. Kobayashi, M. Katayama |
| Title |
A Study on Application of Machine Learning to Transmission Rate Selection in Wireless Mesh Networks |
| Authority |
IEICE Technical Report, RCS2019-56, pp.113-117 |
| Summary |
In a mesh network using IEEE 802.11 wireless LAN, each node can use multiple transmission rates defined by the combination of modulation schemes and coding rates.
By selecting the transmission rate according to the communication environment, the throughput can be maximized.
The conventional algorithm aims at maximizing throughput by referring to Received Signal Strength Indicator (RSSI), a transmission success rate, and an acknowledgment frame.
However, realizing maximum throughput is difficult because of various factors such as one-to-one correspondence between RSSI and throughput, unnecessary transmission rate control due to a hidden terminal problem, and the ability to acquire more than one RSSI, for multiple antennas.
In this study, we treat the RSSI and transmission rate collected by experiment as a data set, and use machine learning to maximize throughput by selecting the optimal transmission rate for each node. Training is carried out by using support vector machine (SVM) and k-neighbor method (kNN) about the created data set. From a result of testing, it is reported that the value of 83.2％ of the optimum value of throughput can be obtained at the maximum. |
| 年月 |
2019年6月 |
| DOI/Handle |
|
| 開催場所 |
宮古島 |
| 研究テーマ |
アドホック・メッシュネットワーク
機械学習
|
| 言語 |
日本語 |
| 原稿/プレゼン資料 |
 /  (ローカル限定) |
