研究内容

無線通信システムの重要な目標の一つは、省エネルギーで高速な通信を提供することにあります。高速通信は、超多素子アンテナを用いるMassive multiple-input multiple-output（MIMO）と呼ばれる技術や、マルチキャリア通信といった高度化物理層技術によって実現できます。一方近年、周波数当たりの伝送速度を表す指標であるスペクトル利用効率と同様に、1ビット送るのに必要となるエネルギー消費量を表す指標「エネルギー利用効率」も重要視されています。

さらに近年では、高速移動体通信（UAVや鉄道、自動車など）における激しいドップラー広がりの影響を克服するため、チャープ信号（周波数が時間とともに変化する信号）の特性を活かした新たなマルチキャリア変調方式である AFDM（Affine Frequency Division Multiplexing） の適用・最適化研究を進めています。AFDMをはじめとする最先端の物理層伝送技術を導入することで、過酷な電波伝搬環境下でも、再送による無駄な電力消費を抑えた圧倒的に高効率な通信が可能となります。

無線通信システムにおけるトラフィック量や電波環境というものは、人の活動時間や場所、移動速度といった様々なダイナミクスによって大きく変動します。このようなシステムの動的な変化を配置・数理的に設計し考慮することによって、スペクトル利用効率とエネルギー利用効率の双方に優れた、持続可能な次世代無線通信システムを構築することが可能となります。

現在の無線通信システムでは、基地局や制御局が全ての通信のやりとりを制御する集中型となっています。例えば、無線基地局は近傍の通信エリア内に存在する全ての通信に対してどの周波数を使うのか、どの時間で送受信を行うかなどを割り当てています。しかしながら、モノのインターネット（IoT: Internet-of-Things）時代には、無線通信機能を有する膨大な量の機器が存在することになります。そのような環境では、各無線端末が周辺環境を認知して最適な動作を決定することが重要になってくると考えられます。本研究室では、そのようなゴールを達成するために機械学習を無線通信システムへと取り入れるための検討を行っています。

将来的には、私たちの身の回りにある全てのものが有線・無線によってつながる（モノのインターネット: IoT）と考えられています。無線センサネットワークはIoTの実用例の一つです。無線センサネットワークでは、バッテリ駆動の多数のセンサノードを観測したいエリアに分散配置します。各センサノードは観測結果を情報集約局へと送ることになります。この時、限られたエネルギーを有効に利用する必要が出てきます。本研究室では、IoT端末等の限られたバッテリーを有効に利用する無線通信システムの検討を行なっています。