動的スペクトル管理

動的スペクトル管理( DSM ) は、動的スペクトルアクセス( DSA )とも呼ばれ、ネットワーク情報理論とゲーム理論の理論的概念に基づいた一連の技術であり、通信ネットワーク全体のパフォーマンスを向上させるために研究および開発されています。 ^{[ 1 ] [ 2 ]} DSM の概念は、クロスレイヤ最適化、人工知能、機械学習などの分野からも原理を取り入れています。これは、サーバーと端末の両方で十分高速なプロセッサが開発されたことにより、ソフトウェア無線が利用可能になったことで、最近可能になりました。これらは協調最適化のための技術です。これは、この単一の最適化によって悪影響を受ける多くのリンクのパフォーマンスが低下するため、ネットワーク内の 1 つのリンクの最適化と比較または関連付けることもできます。

これは、ネットワークのデジタル加入者線（DSL）のパフォーマンスを最適化するために最も一般的に適用されています。DSMのもう一つの潜在的な応用例は、コグニティブ無線です。

DSMの重要かつ一般的な原則には以下が含まれる。

• リンク適応
• 帯域幅管理
• マルチユーザーMIMO
• 推定干渉の事前キャンセル
• 未使用チャネル（事前割り当てされていないチャネル）を単一ユーザーまたはボンディング用に組み合わせる

DSMは、特にバインダー内で近接しているDSL電話回線に影響を与える、DSLネットワーク内のクロストーク、干渉、近距離・遠距離問題を低減または排除することにより、通常の銅電話回線ネットワーク上で実現できます。^{[ 3 ] [ 4 ]}

この技術には複数の手法が含まれる。

• 現在のビット負荷と最大達成可能ビットレートとの比較、エラー秒数、重大エラー秒数、前方誤り訂正（FEC）回数を用いて干渉信号レベルの状態を継続的に監視し、パフォーマンス低下シナリオの原因について判断を下し、リンクを特定の方法でトレーニングするように強制します。
• バインダー内の近隣ケーブルのうち、不要なクロストークを引き起こしている可能性のあるケーブルを特定し、ネットワークのビットレートが最適化されるまで、それらのケーブルの上流伝送電力を下げる。
• 相関干渉波または妨害波の深刻度に応じて、ケーブル上を伝搬する信号に適用される前方誤り訂正オーバーヘッドの量を増減させる。
• ケーブル上で許容される電力レベルの制限、ビットをロードできるトーンのマスク、または電力スペクトル密度のマスクを変更することで、過剰な信号対雑音比（SNR）によって引き起こされる干渉を最小限に抑え、他の回線のSNRの劣化を防ぐ。
• モデムハードウェア（宅内機器）が、最適な離散マルチトーン変調（DMT）信号を実現するために送信設定を調整します（これは厳密にはDSMではなく、DSMを使用しなくても実現可能です）。このハードウェア調整は中央監視場所から強制的に行われ、ネットワーク全体のパフォーマンスを最適化するために、宅内機器のネットワーク全体に適用されます。

動的スペクトルアクセスの重要な応用例の一つは、無線ネットワークです。無線通信の主要リソースであるスペクトルは、カバレッジ、サービス品質、エネルギー効率、信頼性といったネットワークの主要業績指標において重要な役割を果たします。ほとんどの無線通信サービスは、規制当局によって事前に定義され、オークションによって事業者に割り当てられる固定スペクトル割り当ての下で提供されています。このスペクトル割り当てプロセスは非常に非効率的であり、スペクトルの著しい利用不足につながっています。無線技術のスペクトル効率は向上しているにもかかわらず、帯域幅の需要は、新しい通信サービスやネットワークに利用可能なスペクトルを上回っています。逆説的ですが、いくつかのスペクトル調査によると、3GHz以下のスペクトルの空間的および時間的利用率は世界全体で20%未満^{[ 5 ]}、農村部では11%未満^{[ 6 ]}であることが示されています。このような状況において、動的スペクトルアクセス（DSA）ネットワークは、特定の地域または特定の時間に、未使用または利用不足のスペクトルを機会的に利用することを可能にします。ライセンスを取得しているが未使用のスペクトルを活用したり、サービスの動的な需要に応じてスペクトルをより適切に分配したりすることで、より高いスペクトル効率を実現できます。^{[ 7 ]}

動的スペクトルアクセスおよび管理技術と方法には、以下のようなものがあります。

• ^{複数の認知無線ノードがAIモデルを活用して、プライマリユーザ信号を共同で識別し[ 8 ]}、隠れノードを自己検出することで未使用スペクトルを検出し、干渉を回避する協調スペクトルセンシング^{[ 9 ] 。}
• スペクトル予測とは、機械学習モデルを用いて過去の使用データに基づき将来のスペクトル利用可能性を予測し、スペクトル利用効率を向上させる技術である。
• スペクトル決定および割り当てとは、現在の利用可能性、ユーザーのニーズ、ネットワークの状態、およびスペクトル品質に基づいて、特定のサービス、エリア、および期間に最適なスペクトル帯域を動的に選択することです。
• 強化学習アルゴリズムによるリアルタイム干渉管理により、コグニティブ無線機は他のデバイスからの干渉をリアルタイムで適応的に管理および軽減することが可能になる。

• 中断可能なスペクトル

• 光ファイバーなしでインターネット速度を向上させる方法
• ECI TelecomはDSLの速度を倍増させることを目指す
• DSMプロジェクト— ジョン・チオフィ教授
• 高速銅プロジェクト—プリンストン大学
• ダイナミック・スペクトラム・マネジメント出版— ラファエル・サンドリヨン