AIは、現実世界の状況でアンテナの性能を最適化します

アンリツ株式会社は、SKテレコム、POSTECH（浦項工科大学校）、およびBluetestと共同で、AIベースのアンテナ最適化技術の検証を実施しました。この検証では、実際の使用環境下におけるパフォーマンスの向上が実証されました。MWC Barcelona 2026で発表されたこの成果は、5Gネットワークにおけるアンテナシステムの最適化に対するデータ駆動型アプローチを強調するものです。

実環境における測定ベースの最適化
今回の検証は、OTA（Over-the-Air）測定を用いて行われ、自由空間（無線暗室等）、手持ち状態、頭部近接状態など、現実的なユーザーシナリオを再現して実施されました。これらのシナリオでは、ユーザーの操作や環境要因によって無線周波数（RF）性能に変動が生じます。

測定データにはスループットと**誤差相関計数（ECC）**が含まれており、動的な条件下におけるアンテナの挙動を定量的に評価することを可能にしました。

AIによるアンテナ構成の最適化
AIベースの解析を用いることで、システムは異なるアンテナ・チューナの状態におけるRF性能の変動をモデル化しました。これらのモデルに基づき、最適なアンテナ切り替え構成が自動的に特定されます。

この手法により、動的なアンテナ最適化が可能となり、変化するRF環境にリアルタイムで適応することで通信品質を維持できます。

MIMOシステムにおける性能向上
検証の結果、複数の構成において測定可能なスループットの向上が確認されました。8Rx（8受信アンテナ）構成では、あらゆるユーザーシナリオで顕著な改善が見られました。また、4Tx（4送信アンテナ）構成においては、特定の条件下でスループットが2倍以上に向上しました。

これらの結果は、AI駆動の最適化が、複雑なマルチアンテナシステムにおける周波数利用効率とリンク性能を向上させられることを示しています。

テストプラットフォームとデータ取得
本検証では、アンリツのMT8000A 5G NRテストプラットフォームおよびMT8870A 無線テストセットが使用されました。

データ駆動型アンテナ最適化のワークフロー
今回の検証により、測定データとAI解析を統合するワークフローが確立されました。これには、ユーザーシナリオにわたるRF性能の評価、アンテナパス特性の比較、最適な切り替え状態の導出、そして性能向上の検証が含まれます。

この手法は、従来の静的なアンテナ設計を超え、実世界の条件を最適化プロセスに組み込むものです。

5Gおよび無線システムへの重要性
5Gネットワークが高度なMIMO構成に依存するようになるにつれ、アンテナ性能はユーザーの操作や環境の変動に対してますます敏感になっています。AI駆動の最適化は、アンテナの挙動を動的に適応させるメカニズムを提供し、スループットと信頼性を向上させます。

通信分野のデジタルサプライチェーンにおいて、このような技術は、より効率的なネットワークパフォーマンス、ユーザー体験の向上、そして電波資源の最適化された活用を支えるものとなります。

Evgeny Churilovによって編集された、Induportalsメディア-AIによって適応されました。

www.anritsu.com